《表1 步幅为16的A-ASPP的不同参数结果》

  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

《基于深度学习的高分辨率遥感图像建筑物识别》

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

首先以AA-SegNet网络为核心架构，选择A-ASPP模块空洞率但不更改参数的原始模型，因为参数变化太多，则每个变化率都对应于少量的卷积层，这不利于提取更多抽象特征。如表1所示，选择四种不同的扩展速率要好于原始参数基本版本，连续增加和连续减少扩张率的效果明显优于基本实验（A-ASPP、两层、三层、四层、五层），根据表1中MOIU分数以及识别准确率可以得出，先增加后减少扩张率的MIOU和总体精度分数最高。最后，根据选择的变化次数和增加，减少扩张速率的方法，设计了增强型A-ASPP结构的网络参数，在本次研究中，最优的模型结构参数为（变化率1，变化率2，变化率3，边化率4)=（(1），（3，6，4，2），（6，12，6，4），(12，18，12，6））。