《表2 与图5对应的的混淆矩阵》
分别将SegNet与SegNet-MAP、DeepLab与DeepLab-MAP、RefineNet与WWRSE作为一组对比,可以发现,加入MAP作为后处理后,“冬小麦”和“背景”的准确率均有不同程度的提高,这也证明了本文思想具有较强的适用性,可以应用于不同的卷积神经网络。
图表编号 | XD00176456300 严禁用于非法目的 |
---|---|
绘制时间 | 2020.05.25 |
作者 | 宋德娟、张承明、杨晓霞、李峰、韩颖娟、高帅、董海燕 |
绘制单位 | 山东农业大学信息科学与工程学院、山东农业大学信息科学与工程学院、山东省数字农业工程技术研究中心、山东农业大学信息科学与工程学院、山东省气候中心、中国气象局旱区特色农业气象灾害监测预警与风险管理重点实验室、中国科学院空天信息创新研究院、山东农业大学信息科学与工程学院 |
更多格式 | 高清、无水印(增值服务) |