《表5 不同模型的INRIA 5个地区的测试结果对比》

  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

《基于稠密金字塔网络的遥感影像建筑物提取》

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

（%）

作为横向对比，本文在INRIA遥感数据集上训练SegNet[16]和pix2pix[17]，并统计FCN[2]、Skip[2]以及MLP[2]实验结果，同时整理文本各阶段模型在INRIA 5个地区测试集上的实验结果，相关数据如表5所示。由表5可知，SegNet两个指标上均低于其他模型，RDASP-Net相对于MLP[2]模型在准确率和交并比两个指标上分别提升1.84%和11.26%，相对于RNA分别提升0.31%和2.02%，均优于其他模型。表5并未统计pix2pix的结果，原因是pix2pix是一种生成对抗网络（GAN）。GAN的机制是使生成器生成尽可能接近真实值的提取结果，与原始标签值不完全相同，因此从数学角度来看，其准确率非常低，但pix2pix可以生成效果更好的视觉图像。图5所示为SegNet、pix2pix和RDASP-Net的建筑物提取视觉效果图，从图5可知，RDASP-Net建筑物提取边缘更精确，视觉效果更好。因此RDASP-Net可充分利用多尺度信息，提高建筑物准确率以及边缘的精确度，在5个地区的遥感影像建筑物提取中表现出较强的泛化能力。