《表3 支路网络对比：基于分离卷积的战场目标聚集行为识别》

  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

《基于分离卷积的战场目标聚集行为识别》

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

实验对比方法为I3D[3]（包括RGB支路与光流支路）和MF-Net[4]，实验结果如表3所示。当输入为RGB序列时，本文提出的分离卷积多纤维网络（SMF-Net）取得了89.7!的准确率；当输入为光流序列时，本文中的MF-Net、SMF-Net分别取得了89.9!和91.4!的识别准确率。实验结果表明:针对本文建立的数据集，将光流图像引入多纤维网络可以有效抑制复杂背景的干扰，提高了网络识别准确率；本文提出的SMF-Net在有效提高识别准确率的同时，大幅度降低了参数量与计算开支。