ड्रोन लैंड-कॉवर वर्गीकरण के लिए स्थानिक होल्डआउट डिजाइन

परिचालन प्रश्न से प्रारंभ करें

ड्रोन वर्गीकरण मूल्यांकन को प्रतिबिंबित करना चाहिए कि मानचित्र का उपयोग कहां किया जाएगा। नेबरिंग पिक्सेल और ओवरलैपिंग इमेज टाइल्स बनावट, प्रकाश और वस्तुओं को साझा करते हैं। प्रशिक्षण और परीक्षण के बीच उन पिक्सेल को विभाजित करना एक नए क्षेत्र, ब्लॉक या सर्वेक्षण तिथि पर प्रदर्शन की तुलना में प्रदर्शन को मजबूत बना सकता है।

क्या कोई व्यक्ति निकटवर्ती छवि बनावट को याद करने के बजाय नए स्थानों को पहचान सकता है? सर्वेक्षण शुरू होने से पहले वर्गीकरण मूल्यांकन ब्लॉकों को परिभाषित करें और उन्हें कौन समीक्षा करेगा इसकी पहचान करें। यह समझ लें कि कौन सा सबूत निरीक्षण, नमूनाकरण या प्रबंधन निर्णय को बदल देगा। यह मानचित्र एक परीक्षण योग्य कार्य से जुड़ा रहता है और यह संभव बनाता है कि एक आकर्षक उत्पादन से उपयोगी अवलोकन को अलग किया जाए जो सवाल को हल नहीं कर सकता।

यह समझने के लिए कि वास्तव में छवि क्या देखती है

एक पेड़ का मुकुट प्रशिक्षण और परीक्षण लीक वस्तु-विशिष्ट जानकारी के बीच विभाजित है। एक छवि की संवर्धित प्रतियां समान रिसाव का कारण बन सकती हैं। उस विभाजन से एक उच्च स्कोर जरूरी नहीं कि किसी अन्य साइट पर सामान्यीकरण का सबूत हो।

वर्गीकरण मूल्यांकन ब्लॉक के लिए, माप परिभाषा परिणाम का हिस्सा है। माप समर्थन स्पष्ट रखें: एक पिक्सेल, एक खंडित वस्तु, एक नमूना साजिश और प्रबंधन ब्लॉक विभिन्न क्षेत्रों और भिन्नता के स्रोतों का प्रतिनिधित्व करता है। पिक्सेल आकार बदलने से स्वतंत्र जानकारी नहीं मिलती है या अंतर्निहित सेंसर अवलोकन में सुधार होता है। यह तय करना कि क्या कार्य लक्ष्य, अनुमान क्षेत्र की खोज, संख्यात्मक अवलोकनों की तुलना या क्षेत्र संपत्ति की भविष्यवाणी करने से संबंधित है। प्रत्येक को एक अलग मूल्यांकन डिनोमिनेटर की आवश्यकता होती है। अनिश्चित लेबल और अवज्ञाजनक क्षेत्रों को संरक्षित रखें ताकि एक पूर्ण दिखने वाला वर्गीकरण लापता सबूतों को छिपा नहीं सकता है। अंतिम गुणवत्ता दावा वास्तविक कार्य, भूगोल और शर्तों का परीक्षण करने के लिए संदर्भित करना चाहिए।

डिजाइन लक्ष्य और उसके confounders के आसपास कब्जा

वर्गीकरण मूल्यांकन ब्लॉक के लिए कैप्चर प्लानिंग को इच्छित तुलना के साथ शुरू करना चाहिए। अवलोकन और संदर्भ संग्रह को एक साथ डिजाइन करें। लक्ष्य की सूची, सेंसर प्रतिक्रिया जो इसे अलग कर सकती है, अपेक्षित संस्थापित सतहों और जिस पैमाने पर निर्णय लिया जाता है। केवल एक दृश्यमान स्वच्छ प्रदर्शन के बजाय प्रतिनिधि को आसान और कठिन परिस्थितियों पर कब्जा करना। अधिग्रहण समय, कैमरा सूचना, अंशांकन रिकॉर्ड और प्रासंगिक पर्यावरण संदर्भ बनाए रखें। जहां एकाधिक बैंड या तारीखें शामिल हैं, उनकी संरेखण और संगतता का मूल्यांकन करने का एक तरीका योजना बनाती हैं। एक छोटा पायलट को यह पता होना चाहिए कि प्रस्तावित फीचर वास्तव में एक बड़े स्वचालित विश्लेषण से पहले पालन योग्य है, जिसे विश्वसनीय माप माना जाता है।

एक ट्रेसेबल प्रोसेसिंग और विश्लेषण वर्कफ़्लो बनाएँ

प्रशिक्षण डेटा चुनने से पहले स्वतंत्र स्थानिक इकाइयों को परिभाषित करें। पूर्ण ब्लॉक, ऑब्जेक्ट्स या तिथियां जो इच्छित एप्लिकेशन से मेल खाते हैं। लेबल नियमों को सुसंगत रखें और आयोजित आउट इकाइयों और प्रशिक्षण टाइल्स के बीच ओवरलैप को रोकें। भूमि-कवर वर्ग और अधिग्रहण की स्थिति के बजाय केवल एक समग्र संख्या पेश करने के द्वारा त्रुटियों की समीक्षा करें।

वर्गीकरण मूल्यांकन ब्लॉक के लिए गुणवत्ता समीक्षा प्रक्रिया पूरा होने के बाद जारी रहना चाहिए। प्रदर्शन उत्पादों के साथ कच्चे या मूल संख्यात्मक इनपुट को संरक्षित करें। सूत्रों, बैंड पहचान, मास्क, निर्देशांक संदर्भों और विकल्पों को फिर से व्यवस्थित करें। प्रतिनिधि स्रोत से आउटपुट स्थानों की समीक्षा करें और निरीक्षण करें कि क्या सीम, किनारे पिक्सेल या मिश्रित सतह रुचि की विशेषता पर हावी हैं। पूर्व प्रसंस्करण और मॉडल संस्करणों को रिकॉर्ड करें ताकि एक अद्यतन को पुन: उत्पन्न किया जा सके। स्वतंत्र मूल्यांकन इकाइयों का उपयोग करें जो तैनाती को प्रतिबिंबित करती हैं, न केवल सुविधाजनक यादृच्छिक पिक्सेल। एक सरल आधार रेखा के साथ प्रस्तावित परिष्कृत सुविधा की तुलना करें; अतिरिक्त जटिलता केवल तभी उचित है जब यह उचित मूल्यांकन के तहत निर्दिष्ट माप या निर्णय को बेहतर बनाता है।

उदाहरण के माध्यम से काम करना

एक illustrative डेटासेट में पांच क्षेत्रों से 100 आसन्न टाइल्स शामिल हैं। एक यादृच्छिक टाइल विभाजन प्रत्येक क्षेत्र को दोनो उपसेट में रख सकता है। इसके बजाय एक पूर्ण क्षेत्र को पकड़ना अधिक प्रासंगिक सवाल पूछता है कि क्या सीखा नियम बिना किसी सोचे हुए क्षेत्र में स्थानांतरित होते हैं।

वर्गीकरण मूल्यांकन ब्लॉक के लिए यह उदाहरण जानबूझकर स्पष्ट है, रिपोर्ट किए गए परिणाम या सटीकता के वादे नहीं। तर्क संचालन के उपयोग से पहले परियोजना के मापा मूल्यों के साथ अपनी धारणाओं को बदलें। संख्यात्मक, विभाजक, अवलोकन तिथि और दृश्यमान को रखें। यदि एक संभावित सीमा, दृश्यता या संदर्भ परिवर्तन निर्णय को बदल देता है, तो लापता साक्ष्य इकट्ठा करें या अतिरिक्त दशमलव स्थानों की रिपोर्टिंग के बजाय अनसुलझी स्थिति को बनाए रखें।

स्वतंत्र क्षेत्र के सबूतों के साथ मान्य

आयोजित आउट क्षेत्रों में स्वतंत्र संदर्भ लेबल एकत्र करना, दस्तावेज़ पर्यवेक्षक अनिश्चितता और अलग से अस्पष्ट सीमाओं की जांच करना। यदि मॉडल को एक ही होल्डआउट पर बार-बार देखा जाता है, तो एक नया अंतिम मूल्यांकन सेट स्थापित करें।

वर्गीकरण मूल्यांकन ब्लॉकों का मूल्यांकन ध्वजांकित लक्ष्य और उपयुक्त अप्रभावित संदर्भ स्थानों दोनों को शामिल करना चाहिए। केवल सबसे स्पष्ट उम्मीदवारों की जाँच न तो याद लक्ष्यों और न ही पूर्ण झूठी अलार्म पैटर्न का अनुमान लगा सकता है। अलग-अलग अवलोकनों का उपयोग उन लोगों से विधि को समायोजित करने के लिए किया जाता है जिनका मूल्यांकन करने के लिए उपयोग किया जाता था। नमूना इकाई और चयन विधि को स्पष्ट रखें, और उन्हें चुपचाप छोड़ने के बजाय कठिन या अयोग्य मामलों की रिपोर्ट करें। जब फ़ील्ड टाइमिंग छवि टाइमिंग से अलग हो जाता है, तो यह समझा जाता है कि साइट विज़िट के बीच बदल सकती है या नहीं। एक असहमति जांच के लिए सबूत है, न कि मानचित्र से मिलान करने के लिए ग्राउंड रिकॉर्ड को मजबूर करने के लिए निर्देश।

विषय-विशिष्ट व्याख्या जोखिम को हल करें

स्थानिक मूल्यांकन ब्लॉकों को अपेक्षित तैनाती दूरी और शर्तों को प्रतिबिंबित करना चाहिए। एक छोटी पड़ोसी पट्टी को पकड़ना अभी भी प्रशिक्षण क्षेत्रों के साथ मिट्टी, प्रकाश व्यवस्था और प्रबंधन को साझा कर सकता है, जबकि एक नई साइट काफी अलग हो सकती है। विभाजित ज्यामिति को दस्तावेज करें ताकि समीक्षक उस मैच का आकलन कर सकें। जब ऑब्जेक्ट-विशिष्ट रिसाव एक चिंता है तब उसी वस्तु के बार-बार कब्जा किए रखें। यदि कोई मॉडल एक आयोजित आउट ब्लॉक पर विफल रहता है, तो वर्ग और स्थिति की जांच करें जिससे यह आसान ब्लॉकों के साथ दूर होने के बजाय असफलता पैदा हो जाती है। यह विश्लेषण एक निश्चित अनुप्रयोग डोमेन को परिभाषित करने में मदद करता है।

हाथ पर सबूत है कि प्राप्त करने वाली टीम का उपयोग कर सकती है

मूल्यांकन भूगोल और कक्षा स्तर की त्रुटियों को मानचित्र के साथ प्रकाशित करें। एक अनुकूल विभाजन से सार्वभौमिक सटीकता का दावा करने के बजाय परीक्षण द्वारा प्रतिनिधित्व किए गए क्षेत्र और शर्तों का वर्णन करें।

वर्गीकरण मूल्यांकन ब्लॉक के लिए हैंडओवर स्थिर पहचानकर्ता, स्रोत अवलोकन तिथि, समन्वय संदर्भ, विश्लेषण सीमा और वैध-अवलोकन स्थिति को बनाए रखने के लिए। सुलभ अवलोकन और प्रासंगिक भू-स्थानिक डेटा दोनों की आपूर्ति करें जहां आवश्यक हो। एक लघु अपवाद रजिस्टर संलग्न करें जो अनसुलझे फीचर्स और अगली उपयोगी चेक बताती है। यदि डेटा संशोधित किया जाता है, तो कारण और संस्करण को बनाए रखें ताकि मात्रा या स्थिति का पता लगाया जा सके। एक नमूना आइटम का पता लगाने और उसके आत्मविश्वास की व्याख्या करने के लिए प्राप्त टीम से पूछो; यह व्यावहारिक समीक्षा अक्सर लापता संदर्भ को प्रकट करती है कि फ़ाइल-एकता जांच का पता नहीं लगा सकती है।

जब वर्गीकरण मूल्यांकन ब्लॉक के लिए ड्रोन मैपिंग सॉफ्टवेयर का मूल्यांकन किया जाता है, तो एक प्रतिनिधि डेटासेट के साथ पूर्ण कार्यप्रवाह का आकलन करें। ड्रोनकोलैब को फोटोग्राममीट्रिक मैपिंग आउटपुट तैयार करने के लिए माना जा सकता है, जबकि कार्य-विशिष्ट व्याख्या और क्षेत्र सत्यापन आवश्यक रहता है। (DroneCollab) आवश्यक निर्यात, समीक्षा प्रक्रिया और वास्तविक पायलट सबूत की तुलना करने से पहले एक कार्यप्रवाह का चयन करने के लिए आवर्ती कार्य।