《表1 不同分割方法验证集分类结果对比》

  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

《基于SegNet语义模型的高分辨率遥感影像农村建设用地提取》

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

从传统分类算法到浅层学习算法再到语义分割算法，其分类后的Kappa系数、总体精度、建筑物的F1值不断提升，其中SegNet语义分割算法在对高空间分辨率遥感影像建筑物提取中表现最优，PSPNet语义分割算法次之（表1）。使用Seg Net语义分割算法分类后的Kappa系数、总体精度、建筑物的F1值分别为0.90、96.61%、0.91，地面真实标签与分类后结果两幅图之间吻合度较好；其余5种分类算法的Kappa系数、总体精度、建筑物的F1值都分别在0.83、94.68%、0.87以下，2幅图之间吻合度较差。并且Seg Net语义分割算法对建筑物的错分率最低，仅为9.71%，说明该算法在高空间分辨率遥感影像中对建筑物的识别能力均优于其余5种算法。