《表2 基于深度学习影像解译精度结果》
提示：宽带有限、当前游客访问压缩模式
利用本文所述的模型在常州市影像样本库上训练，采用滑动窗口预测方法对常州市的影像进行解译，提取水系、建筑、植被和道路四类要素，解译结果如图6所示，精度结果如表2所述。
| 图表编号 | XD00135592100 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.02.10 |
| 作者 | 杨少敏、张戬、高雅 |
| 绘制单位 | 常州市自然资源局、江苏省测绘研究所、江苏省测绘研究所 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 提取时间统计结果：基于高分影像与深度学习方法的路网提取技术研究与应用》2020.09.25
- 《表2 IoU统计结果：基于高分影像与深度学习方法的路网提取技术研究与应用》2020.09.25
- 《表2 面积精度评价：深度学习在高分辨率遥感影像冬油菜提取中的应用》2020.09.25
- 《表1 分类精度评价：深度学习在高分辨率遥感影像冬油菜提取中的应用》2020.09.25
- 《表2 围护结构参数特性：基于深度学习的寒旱区遥感影像河流提取》2020.07.25
- 《表1 不同算法实验对比：基于深度学习的高分遥感影像分类方法研究》2021.02.05
- 《表1 实验参数设置：基于改进深度学习的乳腺癌医学影像检测方法》2020.05.15
- 《表2 网络精度比对：基于深度学习的人脸识别智能引导系统》2020.04.28
- 《表1 标注参数：基于深度学习的高分影像道路提取方法研究》2020.08.25
- 《表4 精度指标统计结果：基于深度学习的高分影像道路提取方法研究》2020.08.25
- 《表4 测试结果比较：基于深度学习的CT影像脑卒中精准分割》2020.03.01
- 《表1 模型精度对比：基于高分辨率SAR影像和深度学习的输电杆塔智能识别研究》2020.02.25
- 《表1 测试集精度：基于迁移学习的高分遥感影像场景分类》2019.12.20
- 《表2 算法检测精度：基于深度学习的驾驶场景关键目标检测与提取》2019.12.30
- 《表2 三个实验的准确率：基于深度学习的高分遥感影像乡镇建筑物识别方法》2019.01.20
- 《表1 分类结果混淆矩阵：基于深度学习的高分遥感影像乡镇建筑物识别方法》2019.01.20
- 《表1 面向对象与深度学习在遥感影像解译方面的优缺点》2019.08.25
- 《表1 测试结果：基于深度学习的神经影像研究与应用》2019.04.20
- 《表1 语义分割精度：深度学习的极化合成孔径雷达影像语义分割》2019.06.20
- 《表2 处理精度对比：基于深度学习的远程激光图像特征动态跟踪》2019.02.25