After classification, accuracy asse

After classification, accuracy assessment is generated for all classified imagery to assess the classification accuracy based on testing samples. Congalton and Green (1999) indicated that the testing sample size with a minimum of 50 samples for each class should be selected in terms of cost-effectiveness. In addition, both QuickBird imagery for 2006 and Google Earth imagery for 2015 were used to randomly select testing samples over 600 pixels (100 samples for each Level-2 class) in order to obtain reliable accuracy assessment for both years. Moreover, selected samples are manually validated. The error matrices therefore are generated, which contain the overall accuracy, the user’s accuracy and the producer’s accuracy (Congalton, 1991). The user’s accuracy means the probability that a pixel is class A given that the classifier has determined the pixel into class A, while the producer’s accuracy indicates the probability that the classifier has labeled a pixel into class A given that the ground truth is class A (Jensen, 2004).

ผลลัพธ์ (ไทย) 1:

หลังจากการจัดประเภท การประเมินความถูกต้องถูกสร้างขึ้นสำหรับภาพประเภทเพื่อประเมินความถูกต้องของการจัดประเภทคะแนนจากการทดสอบตัวอย่าง Congalton และสีเขียว (1999) ระบุว่า ควรเลือกขนาดของตัวอย่างทดสอบอย่างน้อย 50 ตัวอย่างแต่ละวิชาในแง่คุ้มค่า นอกจากนี้ QuickBird ภาพสำหรับปี 2549 และ Google Earth ภาพสำหรับ 2015 เคยใช้สุ่มเลือกการทดสอบตัวอย่างกว่า 600 พิกเซล (100 ตัวอย่างแต่ละวิชา 2 ระดับ) เพื่อขอรับการประเมินความถูกต้องเชื่อถือได้ทั้งปี นอกจากนี้ ตัวอย่างเลือกได้ด้วยตนเองตรวจสอบ เมทริกซ์ผิดพลาดจึงถูกสร้างขึ้น ซึ่งประกอบด้วยความแม่นยำโดยรวม ความถูกต้องของผู้ใช้ และความถูกต้องของผู้ผลิต (Congalton, 1991) ความถูกต้องของผู้ใช้หมายถึง ความเป็นไปได้ว่า พิกเซลที่เป็น class A ที่จำแนกได้กำหนดพิกเซลในระดับ A ในขณะที่ความถูกต้องของผู้ผลิตแสดงความเป็นไปได้ว่า ลักษณนามมีชื่อพิกเซลในระดับ A ระบุว่าความจริงพื้นดินเป็นชั้น (เจนเซ่น 2004)

ผลลัพธ์ (ไทย) 2:

หลังจากการจัดหมวดหมู่การประเมินความถูกต้องถูกสร้างขึ้นสำหรับทุกภาพทั้งหมดเพื่อประเมินความถูกต้องของการจัดหมวดหมู่ตามตัวอย่างทดสอบ Congalton และสีเขียว (1999) ชี้ให้เห็นว่าขนาดการทดสอบตัวอย่างขั้นต่ำ 50 บาทตัวอย่างสำหรับแต่ละชั้นเรียนควรจะเลือกในแง่ของค่าใช้จ่ายที่มีประสิทธิภาพ นอกจากนี้ทั้งสองภาพ QuickBird สำหรับภาพปี 2006 และ Google Earth ในปี 2015 ถูกนำมาใช้ในการสุ่มเลือกตัวอย่างการทดสอบกว่า 600 พิกเซล (100 ตัวอย่างสำหรับแต่ละระดับที่ 2 ระดับ) เพื่อที่จะได้รับการประเมินความถูกต้องเชื่อถือได้สำหรับทั้งปี นอกจากนี้กลุ่มตัวอย่างที่เลือกจะถูกตรวจสอบด้วยตนเอง การฝึกอบรมข้อผิดพลาดจึงมีการสร้างที่มีความถูกต้องโดยรวม, ความถูกต้องของผู้ใช้และความถูกต้องของผู้ผลิต (Congalton, 1991) ความถูกต้องของผู้ใช้หมายความว่าน่าจะเป็นที่พิกเซลเป็นชั้นที่กำหนดว่าลักษณนามได้กำหนดพิกเซลในชั้นเรียนในขณะที่ความถูกต้องของผู้ผลิตบ่งชี้ว่าน่าจะเป็นที่ลักษณนามมีข้อความพิกเซลในชั้นเรียนให้ที่จริงพื้นดินเป็นชั้น A ( เซ่น, 2004)

ผลลัพธ์ (ไทย) 3:

หลังจากการสร้างการประเมินค่าความถูกต้องทั้งหมดจัดภาพเพื่อประเมินความแม่นยำในการจำแนกตาม ตัวอย่างการทดสอบ congalton และสีเขียว ( 1999 ) พบว่า การทดสอบตัวอย่างด้วยอย่างน้อย 50 ตัวอย่างสำหรับแต่ละชั้นควรเลือกในแง่ของเจ นอกจากนี้ ทั้งรูปภาพสำหรับปี 2006 และ Google Earth ภาพสำหรับ 2015 ถูกใช้เพื่อสุ่มเลือกการทดสอบตัวอย่างกว่า 600 พิกเซล ( 100 ตัวอย่างสำหรับแต่ละ level-2 Class ) เพื่อขอรับการประเมินความถูกต้องเชื่อถือได้ทั้งปี โดยเลือกตัวอย่างด้วยตนเองการตรวจสอบ ข้อผิดพลาดเมทริกซ์จึงถูกสร้างขึ้นซึ่งมีความถูกต้องโดยรวม , ความถูกต้องของผู้ใช้และผลิตของความถูกต้อง ( congalton , 1991 ) ความถูกต้องของผู้ใช้หมายถึงความน่าจะเป็นที่พิกเซลเป็นคลาสที่ระบุว่าลักษณนามได้พิจารณาในระดับพิกเซล ในขณะที่ผู้ผลิตความถูกต้องหมายถึงความน่าจะเป็นที่ตัวมีติดป้ายเป็นพิกเซลในชั้นเรียนที่ให้พื้นจริง ชั้น ( เจนเซ่น , 2004 )