《表5 本文方法与其他方法结果对比》

  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

《深度卷积融合条件随机场的遥感图像语义分割》

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

将本文方法与目前常用的基于CNN的FCN8 s，Deep Lab，CRFas RNN等语义分割模型进行了对比实验，训练集和测试集保持一致，实验结果如表5所示。可以看出，Deep Lab模型的训练时间最短，但精度最低；本文方法相比FCN8s和CRFas RNN模型训练时间虽然略长，但其MIOU值分别比其他3个模型提高了3.61百分点，2.15百分点和1.43百分点左右。说明通过反卷积融合结构和RNN迭代层在模型训练的过程中同时融入细节信息和空间上下文信息，有效提高了遥感图像语义分割的精度。