《表7 配对卡方检验评价表》
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
《多尺度SLIC-GMRF与FCNSVM联合的高分影像建筑物提取》
如表6所示,本文方法对应的BEP精度高于两种利用CNN网络作为分类器的对比方法。本文方法同对比方法相比提取了建筑物候选区域,而准确的建筑物候选区域能够有效避免直接利用CNN网络进行分类导致的建筑物边缘精度较差的缺陷,并且本文采用的神经网络深度结构高于两种对比方法,得到与Liu和Deng(2016)相一致的结论,即更深的网络结构有助于得到更精确的提取结果。同样生成配对卡方检验表进行评价,如表7所示。
图表编号 | XD00140644900 严禁用于非法目的 |
---|---|
绘制时间 | 2020.01.25 |
作者 | 井然、宫兆宁、朱文定、关鸿亮、赵文吉、张涛 |
绘制单位 | 首都师范大学资源环境与旅游学院、三维信息获取与应用教育部重点实验室、资源环境与地理信息系统北京市重点实验室、首都师范大学资源环境与旅游学院、三维信息获取与应用教育部重点实验室、资源环境与地理信息系统北京市重点实验室、首都师范大学资源环境与旅游学院、三维信息获取与应用教育部重点实验室、资源环境与地理信息系统北京市重点实验室、首都师范大学资源环境与旅游学院、三维信息获取与应用教育部重点实验室、资源环境与地理信息系统北京市重点实验室、首都师范大学资源环境与旅游学院、三维信息获取与应用教育部重点实验室、资源环境与 |
更多格式 | 高清、无水印(增值服务) |