《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》

  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

《基于深度学习的寒旱区遥感影像河流提取》

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

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。