《表7 不同模型的Vaihingen测试集结果》

  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

《残差密集空间金字塔网络的城市遥感图像分割》

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

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。