《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》

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

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。