Demostrador

Inicio

Pipeline

Vista RGB—Nube de puntos en cor fotográfica real

vsResultado final

Cargando visualización…

◀▶

Vista RGB

Resultado final

⇔Arrastra para comparar

Fornecedor de datos

Canteras de Santullán S.A.

Resumo

95.1%

Overall Accuracy

92.6%

Precision

96.4%

Recall

94.3%

F1 Score

Métricas completas

IoU?

Intersection over Union (macro)Solapamento predición/ground truth por clase, promediado sen ponderar. En nubes 3D os valores de referencia son máis baixos que en imaxe 2D.0–100% · >40% aceptable · >60% bo en 3D

89.3%

wP?

Weighted PrecisionPrecision de cada clase ponderada polo seu soporte (nº de puntos). Reflexa o rendemento práctico ponderado pola distribución real do dataset.0–100%

95.4%

wR?

Weighted RecallRecall de cada clase ponderado polo seu soporte. En clasificación punto a punto con clases mutuamente excluíntes, o seu valor numérico coincide coa Overall Accuracy.0–100% · Valor esperado ≈ OA

96.4%

wF1?

Weighted F1 ScoreMedia harmónica de wPrecision e wRecall, ponderada polo soporte de cada clase. Métrica de síntese máis informativa que a OA con clases desbalanceadas.0–100%

94.3%

wIoU?

Weighted IoUIoU de cada clase ponderado polo seu soporte. Dá máis peso ás clases con máis puntos. O IoU macro é máis sensible ao rendemento en clases minoritarias.0–100%

90.8%

MCC?

Matthews Correlation CoefficientCorrelación entre predicións e ground truth. Considera todos os elementos da matriz de confusión. Fiable con clases desbalanceadas.-100 a 100 · preto de 0 = sen correlación · 100 = perfecto

93.3%

Kappa?

Cohen's KappaAcordo entre o modelo e o ground truth correxido polo acordo esperado por azar. Máis robusto que a OA en datasets desbalanceados.0–100% · <40% feble · 60–80% bo · >80% moi bo

93.3%

Macro vs Weighted

Métrica

Macro

Weighted

Precision

92.6%

95.4%

Recall

96.4%

94.3%

IoU

89.3%

90.8%

Macro = media aritmética por clase, sen ponderar. Máis sensible ao rendemento en clases minoritarias. Weighted = ponderado polo soporte de cada clase (nº de puntos). Reflexa mellor o impacto práctico sobre o dataset real.

Guía de capas

Vista RGB
Nube de puntos coloreada cos seus valores RGB reais (fotogrametría ou cámara co-rexistrada co LiDAR). Serve de contexto visual previo á análise do modelo.

Nube en bruto
Nube de puntos 3D sen etiquetar. A cor codifica a intensidade de retorno LiDAR ou a elevación normalizada.

Máscara de erro
Probabilidade de acerto por punto respecto ao ground truth. Vermello = erro probable. Branco/gris = clasificación correcta.

Incerteza
Entropía da distribución de probabilidades de clase por punto. Amarelo = máxima dúbida. Morado = alta confianza.

Ground truth
Etiquetado semántico manual validado por especialistas. Referencia contra a que se calculan todas as métricas do modelo.

Resultado final
Predición do modelo sobre a nube completa. Cada punto ten asignada a súa clase semántica. Output principal de VL3D++.

Pipeline

Vista RGB—Nube de puntos en cor fotográfica real

vsResultado final

Cargando visualización…

◀▶

Vista RGB

Resultado final

⇔Arrastra para comparar

Fornecedor de datos

Canteras de Santullán S.A.

Resumo

95.1%

Overall Accuracy

92.6%

Precision

96.4%

Recall

94.3%

F1 Score

Métricas completas

IoU?

89.3%

wP?

Weighted PrecisionPrecision de cada clase ponderada polo seu soporte (nº de puntos). Reflexa o rendemento práctico ponderado pola distribución real do dataset.0–100%

95.4%

wR?

96.4%

wF1?

Weighted F1 ScoreMedia harmónica de wPrecision e wRecall, ponderada polo soporte de cada clase. Métrica de síntese máis informativa que a OA con clases desbalanceadas.0–100%

94.3%

wIoU?

Weighted IoUIoU de cada clase ponderado polo seu soporte. Dá máis peso ás clases con máis puntos. O IoU macro é máis sensible ao rendemento en clases minoritarias.0–100%

90.8%

MCC?

93.3%

Kappa?

Cohen's KappaAcordo entre o modelo e o ground truth correxido polo acordo esperado por azar. Máis robusto que a OA en datasets desbalanceados.0–100% · <40% feble · 60–80% bo · >80% moi bo

93.3%

Macro vs Weighted

Métrica

Macro

Weighted

Precision

92.6%

95.4%

Recall

96.4%

94.3%

IoU

89.3%

90.8%

Guía de capas

Vista RGB
Nube de puntos coloreada cos seus valores RGB reais (fotogrametría ou cámara co-rexistrada co LiDAR). Serve de contexto visual previo á análise do modelo.

Nube en bruto
Nube de puntos 3D sen etiquetar. A cor codifica a intensidade de retorno LiDAR ou a elevación normalizada.

Máscara de erro
Probabilidade de acerto por punto respecto ao ground truth. Vermello = erro probable. Branco/gris = clasificación correcta.

Incerteza
Entropía da distribución de probabilidades de clase por punto. Amarelo = máxima dúbida. Morado = alta confianza.

Ground truth
Etiquetado semántico manual validado por especialistas. Referencia contra a que se calculan todas as métricas do modelo.

Resultado final
Predición do modelo sobre a nube completa. Cada punto ten asignada a súa clase semántica. Output principal de VL3D++.