《表2 不同分割算法的性能比较 (%)》
为了验证本文U-Net算法在年轮圆盘图像分割问题上的效果,本文选取了3种图像分割算法进行对比说明。这3种算法分别为:8倍上采样的全卷积神经网络模型(Long et al.,2014)、16倍上采样的全卷积神经网络模型和DeepLab v3 plus模型(Chen et al.,2018)。其中FCN8s模型、FCN16s模型和U-Net模型的前期实验数据准备以及实验流程部分都是完全一样的,区别仅在于网络结构的不同,由于Deep Lab v3 plus网络较深而数据量较少,故而选用了预训练好的网络模型(ResNet50)中的参数对Deep Lab v3 plus网络进行初始化,而不是随机初始化。在所有年轮图像的测试样本上,不同网络模型分割结果的像素准确率、均像素准确率和平均区域重合度如表2所示。
图表编号 | XD0057521800 严禁用于非法目的 |
---|---|
绘制时间 | 2019.05.01 |
作者 | 宁霄、赵鹏 |
绘制单位 | 东北林业大学信息与计算机工程学院、东北林业大学信息与计算机工程学院 |
更多格式 | 高清、无水印(增值服务) |