知识卡片
后处理收益受前端表征限制
案例中后处理随迭代提高分割指标,但纹理与农田相似的水域仍被误分,显示调权与填补不能恢复前端没有分辨出的信息。表中总体精度 OA(被正确分类的像素占全部评估像素的比例)在 Traustein 上从97.34%到99.57%,Napoli1 从85.99%到93.52%;这些是特定训练与测试设置的结果,未证明跨地区泛化或每类同等获益,仍需独立数据与消融检验。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 2 1 . 3 . 4 实 验 结 果 · 查看原书依据
因此,强化学习后处理算法还是受制于前端训练好的神经网络,强化学习的优化算法的主要作用在于尽可能发挥网络的语义分割性能,弥补滑块造成的补丁效应。
参考来源
- 位置:《智能算法导论》第 209 项《2 1 . 3 . 4 实 验 结 果》(源文件:`_epub-src/EPUB/xhtml/chapter21_0010.xhtml`)
- 结论依据:表21.1/21.2可核验整体指标,正文明确水域失败和前端限制;文中Traustein误引图21.2及“每类接近100%”缺少逐类表支持,未沿用。原表只列 OA 缩写,“总体精度”释义为补充的通用术语解释。
- 原始内容:本次实验中,右下角水域错分为农田的区域无法纠正……原SAR图像的那部分纹理与农田相似……强化学习后处理算法还是受制于前端训练好的神经网络。