《表6 模型总体分类精度对比》
对比Van Horn等(Van Horn et al.,2015)、Bilinear CNN、Yin等(Yin et al.,2018)模型在NABirds数据集的总体分类精度(表6),本文所提模型具有较好的总体分类精度,基于DenseNet-169模型的总体分类精度高于其他模型,其中基于DenseNet-121模型的总体分类精度高于大部分对比模型,相比Dubey等(Dubey et al.,2018)分类精度低了0.59%,这主要因为NABird数据集较为复杂,Dubey等模型采用了DenseNet-161模型,层数高于DenseNet-121,可抽取更具有效的分类特征。总体而言,一定程度说明DenseNet-169模型对于复杂的数据,其拟合效果优于其他模型。由上述可知,笔者所提鸟类模型对其他数据集具有一定的适用性。
图表编号 | XD00135070900 严禁用于非法目的 |
---|---|
绘制时间 | 2020.01.01 |
作者 | 林志玮、丁启禄、刘金福 |
绘制单位 | 福建农林大学计算机与信息学院、福建农林大学林学院、福建农林大学林学博士后流动站、中国人民银行福州中心支行、福建农林大学计算机与信息学院、福建省高校生态与资源统计重点实验室、福建农林大学海峡自然保护区研究中心 |
更多格式 | 高清、无水印(增值服务) |