基于多尺度特征融合的U-Net网络高分影像不透水面提取研究

王晶,高帅,郭亮,汪云

Impervious Surface Extraction from High-resolution Images based on Multi-scale Feature Fusion in U-Net Network

Jing Wang,Shuai Gao,Liang Guo,Yun Wang

表2 分类结果评价指标

Table 2 Evaluation index of classification results

评价指标	计算方法
IoU	IoU = $? \frac{\| A ? B \|}{\| A ? B \|}$ 其中A代表预测结果的像素集合，B代表真实值的像素集合。
Kappa系数	Kappa = $\frac{p 0 - p e}{1 - p e}$ ， P_e= $? \frac{a 1 * b 1 + a 2 * b 2 + \dots + a n * b n}{N * N}$ 其中P₀表示每一类正确分类的像元数占总像元的比例，a代表每个类别的实际像元数，b代表每个类别的预测像元数，N代表总像元数。
总体分类精度	正确分类的像元数占总像元数的比例
准确率	被正确分类的像元数占预测为正确的总像元数的比例
召回率	被正确分类的像元数占实际正确的总像元数的比例
F1分数	F1= $2 * \frac{p r e c i s i o n * r e c a l l}{p r e c i s i o n + r e c a l l}$