《表2 不同TH值的CNN、NIN和Dense Net测试精度比较》
使用海浪静态图像数据集分别训练CNN、NIN和DenseNet网络模型,在测试集上进行结果比较,对3种网络在特征提取上的性能进行评估对比。使用均方根误差RMSE(root mean square error)表示数据集预测结果与真值之间的平均绝对误差,均方根误差越接近0,网络性能越好,输出的浪高越接近标签值;TH表示浪高检测值与标准值之间的绝对误差(单位:m),各模型的精度如表2所示,计算为预测结果不超过绝对误差的样本数占总样本数的比值。
图表编号 | XD00143038500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.03.16 |
作者 | 宋巍、周旭、毕凡、郭东琳、高松、贺琪、白志鹏 |
绘制单位 | 上海海洋大学信息学院、上海海洋大学信息学院、国家海洋局北海预报中心、山东省海洋生态环境与防灾减灾重点实验室、国家海洋局北海预报中心、山东省海洋生态环境与防灾减灾重点实验室、国家海洋局北海预报中心、山东省海洋生态环境与防灾减灾重点实验室、上海海洋大学信息学院、中国人民解放军61741部队 |
更多格式 | 高清、无水印(增值服务) |