《表2 传统方法结果精度对比》
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》
ML,SVM和RF3种传统方法的分类结果和精度指标分别如表1和表2所示,表1中绿色为城市绿地、黄色为农田、白色为其他地物;表2中粗体为纵向比较最高值。如表1和表2所示,传统方法的分类结果中出现了严重的椒盐现象,大面积农田中尤为明显,这表明传统方法不能很好地排除农田像元的干扰。SVM方法的平均精度高于其他2种传统方法(Precision=61.92%;Recall=71.96%;F=0.66;OA=77.68%)。语义分割网络DeepLabv3+提取精度的各项指标均高于SVM,以上结果进一步体现出语义分割网络在提取城市绿地,尤其是排除农田像元干扰方面的优势。
图表编号 | XD00155697000 严禁用于非法目的 |
---|---|
绘制时间 | 2020.06.01 |
作者 | 刘文雅、岳安志、季珏、师卫华、邓孺孺、梁业恒、熊龙海 |
绘制单位 | 中山大学地理科学与规划学院、空天地海一体化大数据应用技术国家工程实验室、中国科学院空天信息创新研究院、空天地海一体化大数据应用技术国家工程实验室、中国科学院空天信息创新研究院、中国住房和城乡建设部城乡规划管理中心、中国住房和城乡建设部城乡规划管理中心、中山大学地理科学与规划学院、广东省城市化与地理环境空间模拟重点实验室、广东省水环境遥感监测工程技术研究中心、中山大学地理科学与规划学院、中山大学地理科学与规划学院 |
更多格式 | 高清、无水印(增值服务) |