《表1 不同模型在Vaihingen测试数据集上的分割结果对比》
注:加粗字体为每列最优结果。
从表1和表2可以看出,本文模型均在整体准确率这一项中表现最好,在Vaihingen和Potsdam数据集上分别达到了90.4%和90.7%,说明该模型具有较高的分割精度。另外,在低灌木植被(low_veg)和树木(tree)这两个相互易混淆的类别的表现上,相比较于其他网络模型,F1值均有提升。在Vaihingen数据集的实验中,本文模型的低灌木植被和树木类别的F1值分别为83.6%和89.6%;在Potsdam数据集的实验中,本文模型的低灌木植被和树木类别的F1值分别为86.8%和87.1%。对于平均F1值这一指标,本文模型在Vaihingen和Potsdam数据集上的分数分别是89.3%和92.0%,远远高于其他3种方法,说明本文模型对于遥感图像的整体分割表现优秀,并且在树木之外的其他类别上,表现都是最好的。
图表编号 | XD00179361000 严禁用于非法目的 |
---|---|
绘制时间 | 2020.05.16 |
作者 | 胡伟、高博川、黄振航、李瑞瑞 |
绘制单位 | 北京化工大学信息科学与技术学院、北京化工大学信息科学与技术学院、北京化工大学信息科学与技术学院、北京化工大学信息科学与技术学院 |
更多格式 | 高清、无水印(增值服务) |