《表3 不同样本库的分类精度》

  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

《结合DeepLabv3架构的多源数据建筑物提取方法》

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

从表3中可以看出，在无误差真值样本库上，DeepLabv3plus的建筑物精度及Io U最优，补偿后的样本库相对于真值有1.3%的分割精度损失，但是相较于GIS直接标注样本库精度有31%的提升。结果证明，本文提出的联合矢量数据信息的样本自动标注方法能够满足深度学习对于训练样本库大数据量的要求，基本解决了因样本不足造成的精度损失问题。