《表1 精度评估：融合随机森林和超像素分割的建筑物自动提取》

  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

《融合随机森林和超像素分割的建筑物自动提取》

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

根据分析单元的不同，本文将像元级和对象级建筑物信息提取方法分别进行了精度评估，像元级方法是以像元作为分析单元，对象级方法是以建筑物对象作为分析单元。表1总结了支持向量机（SVM）和随机森林（RF）在不同分析单元建筑物信息提取精度的评价结果。从整体精度评估来看，随机森林方法在完整性（comp）、正确性（corr）和F1方面均优于支持向量机方法，整体效果较好。从分区精度评估来看，一般城市区（区域1）提取效果最好，而在城中村区域（区域2），由于建筑物的复杂性，图像分割难以获得准确的对象，会出现大面积融合建筑物对象，导致comp、coor、F1指标出现虚高的情况。