《表5 不同农作物识别方法对比实验结果》

  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

《基于卷积神经网络的无人机遥感农作物分类》

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

为进一步探索本文方法在农作物精细分类中的适用性，将本文方法（CNN）与支持向量机（SVM）、浅层反向传播神经网络（BP）进行对比实验。其中SVM选取径向基函数作为核函数，采用基于交叉验证的网格搜寻法确定惩罚因子C和核函数参数γ。BP神经网络隐含层数为1层，采用3-50-4的网络结构，学习率设为0.1，训练次数为2 000。以总体分类精度和Kappa系数作为评价指标。为验证卷积神经网络的稳定性，重复3次实验，不同方法的总体分类精度对比如表5所示。