《表2 不同小目标区域数目下的分类精度》
%
进一步分析判别性较小区域的个数对细粒度图像分类结果的影响,实验分别使用2,3,4个判断区域进行网络训练,分类结果如表2所示。由表中结果可看到,仅选择2个小目标区域对于细粒度的图像分类精度影响较大,在鸟类和犬类数据集上的分类结果与选择3个区域相比分别减少了2.1和2.6个百分点。选择4个显著小区域得到的分类精度略高于使用3个显著小区域时的结果,但是从计算效率上来看,使用4个显著小区域进行品种分类的平均计算时间为160.7ms,远大于使用3个显著小区域时的计算时间(120.3ms)。因此,从分类精度与计算时间综合考虑,使用3个显著小区域进行分类更为合理。
图表编号 | XD00149532000 严禁用于非法目的 |
---|---|
绘制时间 | 2020.06.25 |
作者 | 李思瑶、刘宇红、张荣芬 |
绘制单位 | 贵州大学大数据与信息工程学院、贵州大学大数据与信息工程学院、贵州大学大数据与信息工程学院 |
更多格式 | 高清、无水印(增值服务) |