《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》

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

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。