《表1 不同方法提取结果的精度对比》

  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

《基于视觉注意机制的大范围水体信息遥感智能提取》

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

注：CCA=PA×UA。

另外，将随机生成的309个评价样点（其中，水体和非水体各有182个和127个），依据亚米级的google earth影像分别赋予真实的水体标签或非水体标签，并构建本次识别结果的精度评价混淆矩阵，由此获得了漏分误差（Leak Rate，LR）和复合分类精度系数（Composite Classification Accuracy，CCA）两个量化评价指标。其中：漏分误差主要用来反映目标类别（水）的漏分概率[22]，复合分类精度系数则是目标类别分类准确性的综合评价指标，等于生产者精度（Producer’s Accuracy，PA）与用户精度（User’s Accuracy，UA）的乘积，因此CCA系数实际上同时包含有错分和漏分信息。评价结果（如表1）显示，本次实验的漏分误差为4.4%，CCA系数约95.1%，这表明本研究对于大范围水体的提取结果具有较高精度。