《表5 不同方法在未加噪声的点云图像船舶数据集上的分类准确率、F1分数和训练时间》
表6为不同方法在自建点云图像船舶数据集(如表2所示)上的分类准确率、F1分数和训练时间的对比结果。鉴于表5中传统PFH+BoW+SVM方法的训练时间太长,实时性较差,表6中没有再列出该方法。由表6可知,与其他几种方法相比,本文方法的分类准确率仍然最高,但由于数据集中包括了添加高斯噪声的点云图像,样本具有多样性的特点,更接近实际环境中的数据,因此分类挑战更大,各个方法的分类准确率稍有降低。由于数据集样本数增多,训练时间也对应有所增加,但本文方法的训练速度仍然优于3DShapeNets和文献[17]方法。
图表编号 | XD00188285200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.08.25 |
作者 | 任永梅、杨杰、郭志强、陈奕蕾 |
绘制单位 | 武汉理工大学信息工程学院宽带无线通信与传感器网络湖北省重点实验室、湖南工学院电气与信息工程学院、武汉理工大学信息工程学院宽带无线通信与传感器网络湖北省重点实验室、武汉理工大学信息工程学院宽带无线通信与传感器网络湖北省重点实验室、西安电子科技大学人工智能学院 |
更多格式 | 高清、无水印(增值服务) |