《表2 围护结构参数特性:基于深度学习的寒旱区遥感影像河流提取》
为了验证Dense ASPP和LNEW损失函数在高分辨率遥感影像水体提取上的效果,将R-Linknet、R-Linknet+Dense ASPP和R-Linknet+Dense ASPP+LNEW进行对比。其准确率变化如图13所示,各项评价指标如表2所示。加入Dense ASPP之后像素准确率提高0.023,交并比提高0.050,采用新的损失函数后,像素准确率和交并比又分别提高0.019和0.022。由图13可知,Dense ASPP能够有效提升河流提取准确率,同时没有影响整个网络的收敛,证明了Dense ASPP及LNEW的有效性。图14为各个网络在数据集上的河流提取效果,河流提取的连续性得到提升,细小河流更加连贯,边缘细节提取也更加准确。将LNEW作为损失函数能够有效优化水体边缘细节,且河流网络提取完整。
图表编号 | XD00204472600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.07.25 |
作者 | 沈瑜、苑玉彬、彭静、陈小朋、杨倩 |
绘制单位 | 兰州交通大学电子与信息工程学院、兰州交通大学电子与信息工程学院、兰州交通大学电子与信息工程学院、兰州交通大学电子与信息工程学院、兰州交通大学电子与信息工程学院 |
更多格式 | 高清、无水印(增值服务) |