×
模态框(Modal)标题
在这里添加一些文本
关闭
关闭
提交更改
取消
确定并提交
×
模态框(Modal)标题
×
期刊
文章
图表
检索
EN
中文
首页
关于期刊
期刊介绍
数据库收录
期刊荣誉
编委会
投稿须知
版权和许可信息
出版伦理规范
同行评审细节
开放获取声明
投稿指南
在线期刊
当期目录
优先出版
过刊浏览
推荐文章
专题
按栏目浏览
阅读排行
下载排行
引用排行
E-mail Alert
RSS
期刊订阅
热点专题
联系我们
EN
中文
图/表 详细信息
基于改进
DeepLabv3plus
算法的遥感图像海岛建筑提取方法
王凌霄, 贾婧
热带地理,
硬件环境
软件环境
处理器
Intel Core i9-9900K 3.6GHz CPU
操作系统
Win10
内存
64 GB RAM
框架
TensorFlow 1.14
显卡
英伟达RTX 2060 super (8GB)
CUDA
CUDA 10.2.141
硬盘
SSD970 EVO Plus 250GB
Anaconda
Anaconda 4.8.4 (python 3.7.2)
表2
硬件、软件环境
本文的其它图/表
图1
Xception网络
图2
DeepLabv3plus网络架构
图3
BN、GN归一化方式
注:
蓝色表示用于计算均值和方差的集合。
图4
不同batch size中SN、GN和BN精度比较
图5
A类残差块(a)和B类残差块(b)
表1
DeepLabv3plus系列网络及其他网络在INRIA Aerial Image的测试集结果对比
图6
青岛市八大关街道遥感影像(a)和建筑数据(b)
图7
PSP模块结构图
表3
混淆矩阵
图8
DeepLabv3plus和DeepLabv3plus-G训练时的loss、val_loss、训练集精度和mIoU结果
表4
DeepLabv3plus和DeepLabv3plus-G在不同batch size下实验结果对比
图9
南长山岛遥感图(a)及其建筑提取结果(b)
图10
不同方法的预测结果