《表2 Gabor网络所提特征的烟雾识别结果》
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)。
图表编号 | XD0047564800 严禁用于非法目的 |
---|---|
绘制时间 | 2019.02.16 |
作者 | 袁非牛、夏雪、李钢、章琳、史劲亭 |
绘制单位 | 江西财经大学信息管理学院、上海师范大学信息与机电工程学院、江西财经大学信息管理学院、江西财经大学信息管理学院、宜春学院数计学院、江西财经大学信息管理学院、江西科技师范大学数学与计算机科学学院、江西农业大学职业师范(技术)学院 |
更多格式 | 高清、无水印(增值服务) |