《表1 分类精度：BP神经网络的道路场景杆状地物自动分类》

  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

《BP神经网络的道路场景杆状地物自动分类》

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

利用实验室建立的杆状地物样本集进行训练，使用训练好的BP神经网络分类模型对试验区的杆状地物进行分类，不同训练轮数的分类精度及所需时间见表1。由表1可以看出，路灯和交通指示牌的分类精度相对较低。究其原因，试验区内有多种路灯及交通指示牌。交通指示牌分为指路牌、指示牌、警告标志牌、禁令标志牌等，本文将红绿灯、监控摄像头也归类于交通指示牌。同类地物形态大小上的差异增大了分类难度，导致这两种地物的分类精度较低。线杆和行道树形态比较单一，因此模型能够更好地对其进行分类，训练轮数为5000时，二者的分类精度分别为99.26%和97.54%。