《表2 实验分割结果对比》

  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

《基于VGG16预编码的遥感图像建筑物语义分割》

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

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。