《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》

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

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%。