《表5 本文方法与其他方法结果对比》
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。
图表编号 | XD00221045100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.09.01 |
作者 | 李宇、肖春姣、张洪群、李湘眷、陈俊 |
绘制单位 | 中国科学院遥感与数字地球研究所、中国科学院遥感与数字地球研究所、中国科学院遥感与数字地球研究所、西安石油大学计算机学院、中国科学院遥感与数字地球研究所 |
更多格式 | 高清、无水印(增值服务) |