《表2 不同方法的实验结果》

  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

《基于半监督学习的SAR目标检测网络》

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

从表2可以看出，Gaussian-CFAR方法的F1-score非常低，虚警很多，有很多检测结果是错误的；Faster R-CNN-少部分切片级标记的方法仅使用了少量的训练样本，其F1-score较低；文献[14]方法虽然召回率很高，能将大部分目标检测出来，但是检测精度较低，虚警较多；文献[15]方法的召回率较高，但是检测精度较低，虚警也较多；本文方法的检测精度，召回率和F1-score都较高，相比其他方法有较大优势，本文方法检测虚警量较少，能检测出大部分的目标。对于MiniSAR数据集，本文方法的F1-score相比Faster R-CNN-少部分切片级标记的结果提升了0.1332，仅比Faster R-CNN-全部切片级标记的检测结果低0.0207；对于FARADSAR数据集，本文方法的F1-score相比Faster R-CNN-少部分切片级标记的结果提升了0.0379，仅比Faster R-CNN-全部切片级标记的检测结果低0.0128。因此，本文方法在仅使用少量切片级标记训练样本和大量图像级标记训练样本的情况下，与全监督方法的性能相差不大。