《表2 实验分割结果对比》
基于VGG16预编码改进的U-net模型与分割模型的实验对比如表2所示。表2中D表示多尺度特征提取模块(D-module),从表2中MIoU结果可以看出,浅层的MLP、FCN模型对建筑物的提取能力较弱,而改进模型具有最高的MIoU,虽然MPA没有达到最高值,但是获得了最高的F1综合分数,达到了84.91%。设计改进的U-net模型与其他模型的分割效果对比如图5所示,从对比中可以看出基于VGG16预编码改进的模型具有更精准的分割细节,对建筑密集区的小间隔建筑物的区分能力更强,对非密集区的边界分割得也更加精确。另外3种分类性能较好的分类网络(ResNet50、Inception-ResNet V2和DenseNet121)作为U-net编码器时得到的分割效果不如VGG16,且这些模型在训练后期存在过拟合趋势,说明这3种先进的分类模型虽然在自然图像分类上具有更高精度,但是迁移到遥感图像上,其效果不如VGG16网络且训练难度更大。
图表编号 | XD0069514700 严禁用于非法目的 |
---|---|
绘制时间 | 2019.06.18 |
作者 | 徐昭洪、刘宇、全吉成、吴晨 |
绘制单位 | 空军航空大学数字地球实验室、空军航空大学数字地球实验室、空军航空大学数字地球实验室、空军航空大学数字地球实验室 |
更多格式 | 高清、无水印(增值服务) |