《表1 分类精度:BP神经网络的道路场景杆状地物自动分类》
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%。
图表编号 | XD00146354500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.04.25 |
作者 | 李鹏鹏、李永强、赵上斌、范辉龙 |
绘制单位 | 河南理工大学测绘与国土信息工程学院、河南理工大学测绘与国土信息工程学院、河南理工大学测绘与国土信息工程学院、河南理工大学测绘与国土信息工程学院 |
更多格式 | 高清、无水印(增值服务) |