《表7 不同模型的Vaihingen测试集结果》
注:加粗字体表示各行最优结果。
为了进行横向对比,本文基于Vaihingen数据集训练Seg Net (Badrinarayanan等,2017)和pix2pix(Isola等,2017),并统计Res-shuffling-Net(Chen等,2018b)、SDFCN(Chen等,2018a)及本文模型结果,相关数据见表7。由表7可知,本文模型的MIo U优于Seg Net、Res-shuffling-Net和SDFCN。表7未统计pix2pix的结果,原因是pix2pix属于生成对抗网络(generative adversarial network,GAN)。GAN的机制是使生成器生成尽可能接近真实值的结果,并非原始标签值完全相同,故在数学角度上,精度非常低,但pix2pix模型能够生成较好的视觉效果图。在图6中列出了Seg Net、pix2pix和本文模型的输出图像。由表7和图6可知,本文模型在数学和视觉方面均表现出较好的性能。
图表编号 | XD00215913000 严禁用于非法目的 |
---|---|
绘制时间 | 2020.12.16 |
作者 | 韩彬彬、张月婷、潘宗序、台宪青、李芳芳 |
绘制单位 | 中国科学院空天信息创新研究院、空间信息处理与应用系统技术重点实验室、中国科学院大学、中国科学院空天信息创新研究院、空间信息处理与应用系统技术重点实验室、中国科学院空天信息创新研究院、空间信息处理与应用系统技术重点实验室、中国科学院空天信息创新研究院、空间信息处理与应用系统技术重点实验室、中国科学院空天信息创新研究院、空间信息处理与应用系统技术重点实验室 |
更多格式 | 高清、无水印(增值服务) |