《表2 采用不同层级融合结构的DFN-CRF模型语义分割结果对比》

  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

采用不同层级融合结构的DFN-CRF模型进行遥感图像语义分割，结果如表2所示。其中，白色为飞机，灰色为公路，绿色为草地，黑色为背景。从表2中可以看出，DFN-CRF-5的语义分割结果非常粗糙，无法识别出遥感图像中具有固定形状的类别，存在多处语义分割错误（结果图中基本看不出飞机轮廓、高速公路边缘，与标签图像不符）。DFN-CRF-4模型通过融合结构引入了pool4层尺度的细节信息进行模型训练，相较于DFN-CRF-5模型其语义分割结果明显有所提升（结果图中飞机形状渐显、高速公路的轮廓逐渐清晰）。DFN-CRF-3模型在DFN-CRF-4基础上结合pool3尺度的细节信息进行语义分割，其结果已可以清楚地识别出飞机，高速公路间的背景类别被逐渐识别出来，边缘更细化。DFN-CRF-2和DFN-CRF-1模型各自又在前一个模型的基础上融合了pool2层和pool1层尺度的细节信息，从结果中可以看出相较之前模型的语义分割结果，DFN-CRF-2和DFN-CRF-1的语义分割结果主要改善了各语义类别的细小部分，使其边缘更加精细、轮廓更清晰、更接近标签图像（如飞机类别的尾部更细化、左下角飞机尾部与机身逐渐连接，高速公路间背景类别被误语义分割为草地类别的部分减少）。