🌲 森林和树木 v.2026-07-03 — 每个位置基准
本页详细介绍了 🌲 森林和树木 v.2026-07-03 分割模型在 8 个感兴趣区域 (AOI) 上的验证情况，与 之前版本 v.2025-06-14 进行了比较。对于每个 AOI，两个预测掩模并排显示；单击任意图像将其打开为全尺寸，然后使用 ← / → 箭头键在它们之间浏览。
所有指标都是基于区域的：IoU 是预测和地面真实植被掩模的交集，并且 F1 / Precision / Recall 在重叠掩模区域上计算。评估运行：2026-07-03。
遮罩颜色图例： v.2026-07-03 · v.2025-06-14
菲律宾 — 巴兰加
模型 |
IOU |
F1 |
精确 |
记起 |
|---|---|---|---|---|
v.2026-07-03 |
0.806 |
0.892 |
0.864 |
0.923 |
v.2025-06-14 |
0.593 |
0.745 |
0.914 |
0.628 |
西班牙 — 贝利利亚德圣安东尼奥
模型 |
IOU |
F1 |
精确 |
记起 |
|---|---|---|---|---|
v.2026-07-03 |
0.784 |
0.879 |
0.894 |
0.864 |
v.2025-06-14 |
0.008 |
0.015 |
0.989 |
0.008 |
西班牙 — 马德里
模型 |
IOU |
F1 |
精确 |
记起 |
|---|---|---|---|---|
v.2026-07-03 |
0.813 |
0.897 |
0.880 |
0.915 |
v.2025-06-14 |
0.447 |
0.618 |
0.973 |
0.453 |
意大利 — 克罗托内
模型 |
IOU |
F1 |
精确 |
记起 |
|---|---|---|---|---|
v.2026-07-03 |
0.862 |
0.926 |
0.944 |
0.909 |
v.2025-06-14 |
0.803 |
0.890 |
0.988 |
0.811 |
西班牙 — 罗斯
模型 |
IOU |
F1 |
精确 |
记起 |
|---|---|---|---|---|
v.2026-07-03 |
0.617 |
0.763 |
0.699 |
0.841 |
v.2025-06-14 |
0.057 |
0.108 |
0.964 |
0.057 |
西班牙 — 昆卡
模型 |
IOU |
F1 |
精确 |
记起 |
|---|---|---|---|---|
v.2026-07-03 |
0.763 |
0.865 |
0.859 |
0.872 |
v.2025-06-14 |
0.459 |
0.629 |
0.873 |
0.492 |
阿根廷 — 拉班达
模型 |
IOU |
F1 |
精确 |
记起 |
|---|---|---|---|---|
v.2026-07-03 |
0.576 |
0.731 |
0.653 |
0.829 |
v.2025-06-14 |
0.233 |
0.378 |
0.958 |
0.235 |
乌兹别克斯坦 — 塔什干
模型 |
IOU |
F1 |
精确 |
记起 |
|---|---|---|---|---|
v.2026-07-03 |
0.730 |
0.844 |
0.905 |
0.791 |
v.2025-06-14 |
0.568 |
0.724 |
0.981 |
0.574 |
概括
v.2026-07-03 在所有 8 个 AOI 中均较之前的 v.2025-06-14 有了显着改进。基于平均面积的 F1 从 0.513 上升到 0.850，** IoU 从 0.396 上升到 0.744**，这是由较大的召回率增益 (0.407 → 0.868) 驱动的。之前的版本非常保守——平均精度为 0.955，但它错过了大部分植被，并且在几个 AOI 上崩溃（例如 Velilla de San Antonio F1 0.015、Rus F1 0.108、La Banda F1 0.378）。 v.2026-07-03 在恢复丢失的树冠的同时保持较高的精度 (0.837)，并在每个位置领先于 F1。