《表2 网络在Massachusetts数据集测试数据上的精度评价对比》

  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

《基于特征压缩激活Unet网络的建筑物提取》

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

注：带*表示使用dice和交叉熵复合的损失函数训练；不带*表示由交叉熵损失函数训练；-表示引用文献中缺少该指标数据。

本实验和多种网络进行分类精度对比，包括Mnih等[19]、Saito等[20]提出的非全卷积网络（利用全连接层进行分类）和U-Net、SegNet、LinkNet这些全卷积神经网络（利用卷积层进行分类）。其中Mnih等[19]和Saito等[20]的文献中精度较低，故只引用其在文献中提供的松弛等值点的数据，而本研究实验了SE-Unet、U-Net、SegNet和LinkNet四种网络，进行了更全面的精度评价，包括等值点、松弛等值点、精确度、召回率、F1分数和总体精度，结果如表2所示。