《表6 不同算法分类精度比较》
实验中采用了3种人工设计特征算法对输电塔数据集进行分类对比实验。它们分别是:密集尺度不变特征变换[24](D-SIFT)、视觉词袋模型[25](BoVW)、空间塔式直方图词包[26](PHoW)。算法对比测试精度结果如表6所示。基于卷积神经网络的输电塔分类算法精度远远超过了传统的视觉算法。卷积神经网络方法以强大的特征自学习和高泛化能力能够很好地实现对于SAR影像的解译工作。在复杂的陆地背景场下,SAR影像输电塔等微小人工目标的发现、识别、确认精度得到进一步提高。
图表编号 | XD00113103300 严禁用于非法目的 |
---|---|
绘制时间 | 2019.10.20 |
作者 | 孙震笙、柳鹏、余涛、杨健、米晓飞 |
绘制单位 | 中国科学院遥感与数字地球研究所遥感卫星应用国家工程实验室、中国科学院大学电子电气与通信工程学院、中国科学院遥感与数字地球研究所遥感卫星应用国家工程实验室、中国科学院遥感与数字地球研究所遥感卫星应用国家工程实验室、中国科学院遥感与数字地球研究所遥感卫星应用国家工程实验室、中国科学院遥感与数字地球研究所遥感卫星应用国家工程实验室、中国科学院大学电子电气与通信工程学院 |
更多格式 | 高清、无水印(增值服务) |