《表1 风、浪、流作用表：MLMS-Net:多层次多尺度点云分类网络》

  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

《MLMS-Net:多层次多尺度点云分类网络》

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

本文使用1～7分别代表屋顶、围栏、低矮植被、地面、灌木丛、树木和车辆。表1为使用Vaihingen数据集进行测试时得到的分类结果混淆矩阵。由表1可以看出：第4类（地面）的分类精度为93.66%；第1类（屋顶）的分类精度为94.11%；第3类（低矮植被）的分类精度可以达到80.71%；第6类（树木）的分类精度为84.02%。这4类地物目标分类效果好的主要原因如下：（1）4类的训练数据相较于其他数据更多，因此网络中有更多的神经元以及训练参数用来学习对应的特征；（2）训练时，这4类地物目标可以更好地结合结构特征和边缘特征进行分类；（3）由于数据点多于其他类，错误点对分类精度的影响远小于其他几类。