基于深度学习的高分辨率遥感影像土地覆盖自动分类方法
|
李国清, 柏永青, 杨轩, 陈正超, 余海坤
|
Automatic Deep Learning Land Cover Classification Methods of High-resolution Remotely Sensed Images
|
LI Guoqing, BAI Yongqing, YANG Xuan, CHEN Zhengchao, YU Haikun
|
|
表4 分类结果精度
|
Tab. 4 Accuracy table of classification results
|
|
网络模型 | 精度类别 | 林地 | 草地 | 水体 | 耕地 | 人工地表 | 其他 | 平均 | ResUNet | IoU | 0.4916 | 0.1122 | 0.3791 | 0.6425 | 0.5248 | 0.0684 | 0.3697 | F1得分 | 0.6591 | 0.2017 | 0.5498 | 0.7823 | 0.6883 | 0.1280 | 0.5016 | 总体精度 | 0.6551 | MS-ResUNet | IoU | 0.5925 | 0.0951 | 0.5196 | 0.7352 | 0.6128 | 0.3620 | 0.4862 | F1得分 | 0.7441 | 0.1737 | 0.6838 | 0.8473 | 0.7599 | 0.5316 | 0.6234 | 总体精度 | 0.7442 | EfficientUNet | IoU | 0.6125 | 0.2218 | 0.6244 | 0.7415 | 0.6489 | 0.3986 | 0.5412 | F1得分 | 0.7513 | 0.3785 | 0.7652 | 0.8189 | 0.7682 | 0.5978 | 0.6799 | 总体精度 | 0.7712 | MS-EfficientUNet | IoU | 0.6557 | 0.2902 | 0.6439 | 0.7801 | 0.6915 | 0.4577 | 0.5865 | F1得分 | 0.7920 | 0.4498 | 0.7833 | 0.8764 | 0.8176 | 0.6280 | 0.7245 | 总体精度 | 0.7981 |
|
|
|