《表2 不同小目标区域数目下的分类精度》

  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

《多尺度特征融合的细粒度图像分类》

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

%

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。