|
Dòng
|
Nội dung
|
|
1
|
Đánh giá khả năng phân loại lớp phủ bề mặt của thuật toán Machine Learning và Deep Learning trên ảnh PlanetScope - Trường hợp nghiên cứu tại phường Long An, tỉnh Tây Ninh
// Xây dựng : tạp chí xây dựng Việt nam - Bản quyền thuộc bộ xây dựng tr.
Khả năng phân loại lớp phủ bề mặt từ ảnh PlanetScape có độ phân giải cao được đánh giá theo hai hướng tiếp cận tiên tiến là thuật toán Random Forest của Machine Learning và LI-Net của Deep Learning, được triển khai trên ArcGIS Pro. Kết quả cho thấy cả hai môn hình đạt độ chính xác cao với RF có độ chính xác toàn cục DA = 0,92, Fl-Scure = 0,92 và Kappa =0,89, trong khi U-Net có DA = 0.94, FI-Score = 0.93 và Kappa = 0.91. Mặc dù mức chênh lệch về độ chính xác không lớn nhưng U-Net thể hiện ưu thế nhất quán trên các chỉ số đánh giá, đặc biệt đối với các lớp có phản xạ trung gian nhờ khả năng khai thác hiệu quả cấu trúc không gian thông qua kiến trúc tích chập sâu. Ngược lại, RF có tính ổn định dựa trên đặc trưng phổ và yêu cầu dữ liệu huấn luyện không lớn, nhưng hạn chế trong xử lý các lớp có sự chồng lấn phổ hoặc cấu trúc không gian phức tạp, qua đó minh chứng tiềm năng của học sâu trong bối cảnh phân loại lớp phủ bề mặt ở khu vực có cấu trúc đô thị không gian phức tạp.
Đầu mục:0
(Lượt lưu thông:0)
Tài liệu số:1
(Lượt truy cập:0)
|
|
2
|
|
|
3
|
|
|
|
|
|