《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》

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

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。