《表2 本文方法在测试区域的土地覆盖分类结果混淆矩阵、类别精度和总体精度》

  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

采用块样本验证了本文方法FACNN明显优于其他算法后，将FACNN应用于全武汉市数据的训练和测试。用图1(c）红框外的全部区域（训练区域）训练FACNN网络，对红框内的区域（测试区域）进行土地覆盖分类，分析土地覆盖的分类精度。首先，将训练、测试区域影像无缝切分为大小512×512像素的影像块，利用训练区域的影像数据训练FACNN网络模型；然后，用训练好的FACNN对测试区域的影像块进行土地覆盖分类；最后，将测试区域的影像块拼接成完整影像。在本实验所采用的硬件配置条件下，训练时间约20 h，预测时间约45 min。表2为测试数据土地覆盖的混淆矩阵、类别精度和总体精度（OA）。