《表3 不同模型的检测结果比较》
另外,为验证字典对分类器效果,将本方法与基本CNN框架Faster R-CNN[3]进行比较,检测结果如表3所示。以显著性偏振参量图像为实验对象,score表示检测得分。从实验数据可以看出,利用字典对进行稀疏特征学习然后进行目标分类和定位的方法,对边界框的标定更为准确,目标的得分普遍提高。就检测精度来说,和采用softmax分类器的Faster R-CNN方法相比,本文方法在本次实验的检测效果上有所提高。在运行效率上,由于本方法运行时间主要取决于CNN时间复杂度,表3中的运行时间是以576pixel×447pixel的飞机图像检测为例,可以看出本文方法与Faster R-CNN相比在运行效率上不占优势。
图表编号 | XD00106609900 严禁用于非法目的 |
---|---|
绘制时间 | 2019.10.10 |
作者 | 王美荣、徐国明、袁宏武 |
绘制单位 | 安徽新华学院信息工程学院、安徽新华学院信息工程学院、中国人民解放军陆军炮兵防空兵学院偏振光成像探测技术安徽省重点实验室、安徽新华学院信息工程学院、中国人民解放军陆军炮兵防空兵学院偏振光成像探测技术安徽省重点实验室 |
更多格式 | 高清、无水印(增值服务) |