《表3 Indian Pines数据集上不同深度学习分类方法的分类精度和运行时间对比》

  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

《基于焦点损失的半监督高光谱图像分类》

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

Indian Pine数据集的定量实验结果如表3所示。可以看出：与其他方法相比，本文SSF-CNN-MRF算法得到了最佳的分类结果。表3中的定量分析再一次验证了从视觉效果上得出的结论。在Indian Pines数据集上，本文提出的SSF-CNN-MRF算法在6个类别中有5个类别都更接近真实标签的精度。和前一个实验情况类似，由于高光谱波段之间存在的信息冗余性，可能无法有效提取纯净且高质量的光谱和空间信息，无法保证每一种地物的分类效果都最好，但是与2D-CNN[37]、3D-CNN[12]和DC-CNN[13]相比，该算法的OA分别增加了2.22个百分点、0.92个百分点和0.34个百分点。