《表4 DCNN模型分类结果混淆矩阵》
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
《深度学习在GlobeLand30-2010产品分类精度优化中应用研究》
为了验证训练好的DCNN模型的分类性能,本文在中国区域人工随机选取700张(每类100张)90 m×90 m高分辨率影像作为测试样本集,并通过目视解译获取相应的分类真值。每张覆盖90 m×90 m范围的高分辨率的测试样本集。表3和表4分别表示DCNN分类结果与GlobeLand 30分类结果的混淆矩阵。其中,DCNN模型的分类总体精度(Overall Accuracy,OA)达到87.7%,Kappa系数达到0.86,相比于GlobeLand30的分类精度(OA:75.1%,Kappa:0.71)有了明显提升。如表4所示,除草地类型外,其他地物类型的分类精度较高,其中人造地表、裸地、水体的精度大于90%。在草地类型中,因为冬季枯死和稀疏草地图像与裸地图像较难区分,草地分类效果相对较差。
图表编号 | XD0097060400 严禁用于非法目的 |
---|---|
绘制时间 | 2019.08.20 |
作者 | 刘天福、陈学泓、董琪、曹鑫、陈晋 |
绘制单位 | 地表过程与资源生态国家重点实验室北京师范大学地理科学学部、地表过程与资源生态国家重点实验室北京师范大学地理科学学部、北京市陆表遥感数据产品工程技术研究中心北京师范大学地理科学学部、地表过程与资源生态国家重点实验室北京师范大学地理科学学部、地表过程与资源生态国家重点实验室北京师范大学地理科学学部、北京市陆表遥感数据产品工程技术研究中心北京师范大学地理科学学部、地表过程与资源生态国家重点实验室北京师范大学地理科学学部、北京市陆表遥感数据产品工程技术研究中心北京师范大学地理科学学部 |
更多格式 | 高清、无水印(增值服务) |