《表2 网络在Massachusetts数据集测试数据上的精度评价对比》
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。
图表编号 | XD00968100 严禁用于非法目的 |
---|---|
绘制时间 | 2019.11.25 |
作者 | 刘浩、骆剑承、黄波、杨海平、胡晓东、徐楠、夏列钢 |
绘制单位 | 中国科学院遥感与数字地球研究所遥感科学国家重点实验室、中国科学院大学、中国科学院遥感与数字地球研究所遥感科学国家重点实验室、中国科学院大学、香港中文大学地理与资源管理学系、浙江工业大学计算机科学与技术学院、中国科学院遥感与数字地球研究所遥感科学国家重点实验室、中国科学院遥感与数字地球研究所遥感科学国家重点实验室、中国科学院大学、浙江工业大学计算机科学与技术学院 |
更多格式 | 高清、无水印(增值服务) |