《表2 Gabor网络所提特征的烟雾识别结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《面向烟雾识别与纹理分类的Gabor网络》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注:粗体表示最优结果。

由表2可以看出，扩展特征的加入降低了FAR与ERR，但也影响了DR。Set2中，扩展特征提升了基础特征的表达能力，但在Set3和Set 4中，并不能明显看出提升，有3个原因:1) 烟雾库中样本图尺寸很小，基于3D卷积的学习中引入的扩展信息有限；2) Set3和Set4的样本数是训练集（Set1）的10倍多，限制了学习过程的表达力和分类的效果；3) 最大编码保留的全局信息表达力不如局部信息（如引言所分析），故很难直观地看出效果的提升；4) 由表2能看出扩展特征带来了稳定性，所以FAR与ERR才会明显降低，但不能全面地展现扩展特征带来的综合效果，因为不同的特征可能会在不同的分类阈值下获得最优分类面（后文将详细解释）。