《表3 与深度学习方法对比评价结果Tab.3 Quality assessments of deep learning method and method proposed by this paper
综合图5—8,在较高分辨率下,深度学习方法由于能够学习到丰富的特征,人工地物提取准确,且对阴影抗性极好,提取精度优于本文算法。而较低分辨率下深度学习方法的检测精度有所下降,且存在大量漏检,而本文算法提取结果相差较小,本文算法总体精度更优。试验2共有图像像素3 932 160个,其中人工地物像素1 317 542个,降采样后共有像素983 040个,其中人工地物像素329 386个。表3展示了两种算法的提取精度,同样以精确度、虚警率及漏检率3种评价指标定量评价两者的精度。从表3可以得出结论,本文算法在高分辨率下检测精度略逊于深度学习方法,但对不同分辨率都具有普适性,且不需要大量的训练数据即可完成自动化检测,是一种较为有效的人工地物检测算法。
图表编号 | XD008255100 严禁用于非法目的 |
---|---|
绘制时间 | 2018.06.01 |
作者 | 胡翔云、巩晓雅、张觅 |
绘制单位 | 武汉大学遥感信息工程学院、武汉大学遥感信息工程学院、武汉大学遥感信息工程学院 |
更多格式 | 高清、无水印(增值服务) |
查看“表3 与深度学习方法对比评价结果Tab.3 Quality assessments of deep learning method and method proposed by this paper”的人还看了
- 表3 近3年安全生产质量标准化评估结果Tab.3 Standardized assessment results of safety production quality in recent 3 years