《表2 不同云区检测结果的平均精度与速度》
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
《基于改进的全卷积神经网络的资源三号遥感影像云检测》
由表2可以看出,FCNN算法比传统云检算法精确度更高,单张图像检测时间更短,本文提出的改进的FCNN算法无论是在准确度、精确度、召回率、F1-综合评价指标还是单张图检测时间等方面都具有明显优势,准确率达到90.11%,精确度达到96.92%,召回率达到90.36%,F1综合评价指标达到93.53%,说明本文算法对检测结果具有优化作用。实验效率方面,FCNN算法可实现批量云区检测工作,单张图像检测时间平均为0.46s,远低于平均检测时间为2.3s的基础全卷积神经网络。FCM+SVM方法无法批量处理影像,需要手动选点,单张影像平均检测时间超过60s,检测时间长且工作量巨大。因此,本文方法在日常影像云区检测任务中可大幅提高工作效率。
图表编号 | XD0034839600 严禁用于非法目的 |
---|---|
绘制时间 | 2019.03.10 |
作者 | 裴亮、刘阳、谭海、高琳 |
绘制单位 | 辽宁工程技术大学测绘与地理科学学院、辽宁工程技术大学测绘与地理科学学院、国家测绘地理信息局卫星测绘应用中心、国家测绘地理信息局卫星测绘应用中心、辽宁工程技术大学测绘与地理科学学院 |
更多格式 | 高清、无水印(增值服务) |