《表1 本文方法与其他方法土地覆盖分类精度的比较》
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
《利用全空洞卷积神经元网络进行城市土地覆盖分类与变化检测》
采用2017年的3 500个块样本(图2中的蓝色块)训练本文的FACNN网络,并对700个样本进行土地覆盖分类(红色块)。同时,对其他先进的深度学习方法进行比较实验,见表1。从表1可知,本文FACNN法在各个地物类别上的精度都高于其他方法,除了在铁路道路类别上与U-Net相当;其总体精度(overall accuracy,OA)也远高于其他方法,比Dense-Net高出近4%。
图表编号 | XD00124955500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.02.05 |
作者 | 季顺平、田思琦、张驰 |
绘制单位 | 武汉大学遥感信息工程学院、武汉大学遥感信息工程学院、武汉大学遥感信息工程学院 |
更多格式 | 高清、无水印(增值服务) |