《表6 F区提取精度：基于DeepLabv3+语义分割模型的GF-2影像城市绿地提取》

  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DeepLabv3+语义分割模型的GF-2影像城市绿地提取》

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

实践证明，本架构适用于GF-2影像提取城市绿地，且具备精度优势。然而，深度学习的另一个优势是其优秀的迁移能力，因此，将本文架构应用于E区和F区的绿地提取，并验证分类精度，以证明本架构的迁移能力。由于整景影像较大，在模型预测时，采用分块读取策略，每次测试256×256像素大小的区域，测试步长为32像素。城市全图的精度评估采用随机撒点的方法，即在影像中随机采集10 000个验证点，对各验证点进行混淆矩阵及精度指标计算。E区和F区的城市绿地提取结果如图8所示，定量精度评估如表5和表6所示。