《表1 语义分割网络在SAR图像建筑物侧立面检测任务中的性能指标对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于深度神经网络的SAR建筑目标三维重建方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

本文主要研究在高分辨率SAR图像中，分别应用实数语义分割网络和等效复数语义分割网络，并将这两种网络分别命名为RV-SegNet和CV-SegNet，提取单个建筑物的高亮度侧立面区域，并进行对比分析.实数语义分割网络的输入为经过6.1小节所述的预处理后的SAR幅度图像，网络结构中为传统的实数卷积层和上下采样层.等效的复数语义分割网络的输入为经相同预处理方式后的SAR复数数据，结合基于复数卷积耦合计算方法的卷积层，基于复数数据学习的池化层与反池化层，完成对SAR图像建筑物特征区域的分割.在苏州地区数据集下进行实验验证，测试集下检测结果如图11和12所示.实验中，实数语义分割网络与复数语义分割网络分别在迭代次数为7×104和1×105时收敛网络所展示出的性能指标如图13及表1所示.