第３５卷ꎬ第３期自然资源遥感Ｖｏｌ.３５ꎬＮｏ.３２０２３年９月ＲＥＭＯＴＥＳＥＮＳＩＮＧＦＯＲＮＡＴＵＲＡＬＲＥＳＯＵＲＣＥＳＳｅｐ.ꎬ２０２３ｄｏｉ:１０.６０４６/ｚｒｚｙｙｇ.２０２２１６４引用格式:刘立ꎬ董先敏ꎬ刘娟.顾及地学特征的遥感影像语义分割模型性能评价方法[Ｊ].自然资源遥感ꎬ２０２３ꎬ３５(３):８０－８７.(ＬｉｕＬꎬＤｏｎｇＸＭꎬＬｉｕＪ.Ａｐｅｒｆｏｒｍａｎｃｅｅｖａｌｕａｔｉｏｎｍｅｔｈｏｄｆｏｒｓｅｍａｎｔｉｃｓｅｇｍｅｎｔａｔｉｏｎｍｏｄｅｌｓｏｆｒｅｍｏｔｅｓｅｎｓｉｎｇｉｍａｇｅｓｃｏｎｓｉｄｅｒｉｎｇｓｕｒｆａｃｅｆｅａｔｕｒｅｓ[Ｊ].ＲｅｍｏｔｅＳｅｎｓｉｎｇｆｏｒＮａｔｕｒａｌＲｅｓｏｕｒｃｅｓꎬ２０２３ꎬ３５(３):８０－８７.)顾及地学特征的遥感影像语义分割模型性能评价方法刘立１ꎬ２ꎬ董先敏１ꎬ２ꎬ刘娟１(１.自然资源部第三地理信息制图院ꎬ成都６１０１００ꎻ２.自然资源部数字制图与国土信息应用重点实验室ꎬ成都６１０１００)摘要:深度语义分割目前已经被广泛应用于国土遥感监测和遥感解译生产领域ꎬ针对现有语义分割结果质量评价方法无法反映语义分割结果在空间几何特征上保持情况的客观问题ꎬ文章从遥感解译与测绘生产的实际需求出发ꎬ提出了一种顾及地学特征的遥感影像语义分割模型性能评价方法———连通相似性指数(ｃｏｎｎｅｃｔｉｖｉｔｙｓｉｍｉｌａｒｉｔｙꎬＣＳＩＭ)ꎬ从遥感地物图斑连通相似性层面ꎬ将地学特征嵌入语义分割模型性能评价体系ꎮ该方法可以定量评估遥感影像语义分割结果与实际样本标签的图斑连通相似性程度ꎬ准确描述预测分类结果中图斑完整性的保持情况ꎬ从而更加客观地判断预训练模型是否适用于测绘生产的遥感解译工作ꎮ经过大量实践证实ꎬ该评价方法可以更好地实时监测和控制模型训练ꎬ有效地指导从预训练模型集合中选取最优性能的模型ꎬ准确地评估顾及地物几何特征的遥感影像预测结果的真实质量ꎬ对深度学习赋能遥感解译与测绘生产具有重要作用ꎮ关键词:性能评价ꎻ语义分割ꎻ地学特征ꎻ遥感解译ꎻ深度学习中图法分类号:ＴＰ７９文献标志码:Ａ文章编号:２０９７－０３４Ｘ(２０２３)０３－００８０－０８收稿日期:２０２２－０４－２７ꎻ修订日期:２０２２－０７－１３基金项目:四川省重点研发计划项目“面向国土空间规划的自然资源三维智能化管控关键技术研究与应用”(编号:２０２２ＹＦＳ０４５０)和自然资源科技创新发展项...
