《表4 本文方法与其他方法结果对比》
将本文方法与目前常用的基于卷积神经网络的FCN8s(Long等,2015)、DeepLab(Chen等,2018)模型方法进行对比实验,训练集和测试集保持一致。结果如表4所示,可以看出,DeepLab模型的训练时间最短,但精度最低;本文方法相比FCN8s模型训练时间增加了0.2倍,但结果精度更高。通过融合结构和全连接条件随机场加入了细节信息和空间上下文信息的DFN-1-CRF模型相比DeepLab模型、FCN8s模型MIOU值分别提高了3.68%和1.50%左右,在遥感图像数据集上取得了更高的精度。
图表编号 | XD00140650500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.03.25 |
作者 | 肖春姣、李宇、张洪群、陈俊 |
绘制单位 | 中国科学院遥感与数字地球研究所、中国科学院大学、中国科学院遥感与数字地球研究所、中国科学院遥感与数字地球研究所、中国科学院遥感与数字地球研究所 |
更多格式 | 高清、无水印(增值服务) |