《表6 模型总体分类精度对比》

  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

《融合全域与局域特征的深度卷积网络鸟类种群识别》

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

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。