《表1 查询图像集准确率：基于CNN的多尺寸航拍图像定位方法的研究与实现》

  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

《基于CNN的多尺寸航拍图像定位方法的研究与实现》

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

为了验证第2节设计训练的卷积网络对单一网格图像的分类能力，并与传统方法进行对比，本文从Google Earth上再次获取了3.1节中地区的另一时间的卫星图像，并划分为同样的875个网格图像，将每个网格图像进行一次随机旋转来模拟某时间下无人机飞行时的航拍图像。将旋转后的875张图像作为查询图像集，将3.1节中875类内部数据的原始网格图像作为标准图像集，这样每张查询图像都与某两张标准图像所属类别相同。分别将查询图像集输入训练好的AlexNetFCN和multi-channel AlexNet-FCN，得到每张查询图像输出的类别得分图，其中数值越大的类别越可能是该查询图像的所属类别。对每张标准图像和查询图像分别用具有旋转不变性的SIFT[7]、SURF[8]、ORB[9]提取特征，并计算每张查询图像与标准图像的相似度，相似度越高代表两张图像越相近，越可能是同一类别。统计得到查询图像集的准确率如表1所示，可知使用CNN对单一网格图像进行分类的效果远好于传统特征，且CNN对每张航拍图像的平均处理速度远快于传统方法；在CNN模型中，混合显著性特征的multichannel AlexNet-FCN具有最好的分类效果，其准确率达到了95.4%。