《表3 特征保留数量与识别率的关系》

  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

《基于仿生识别系统的多尺度解决方法》

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

根据尺度比例，将所有样本分成15组，统计不同组的识别率情况.图5给出了事件缩放法和特征缩放法的识别率对比.小尺度输入情况下，特征缩放法对应的识别率比事件缩放法高出约10个百分点，证明事件缩放法会影响特征提取的效果，而特征缩放法相对较好.输入尺寸较大时，特征缩放法的效果略高于事件缩放法，但在比例接近2的时候，事件缩放法效果更好.该情况下特征缩放法效果略差的原因有两个.首先当输入尺度过大时，提取出的特征与权值并不对应.例如一个样本中尺度为3的特征实际更接近2倍大小样本中尺度为7的特征，错误地获取权值会影响识别的效果.另一个原因是当输入尺度较大时，特征缩放法获取的特征数量将增加，如图6所示.当输入尺度变化的时候，两个方法在响应排序前获取的特征数量差异极大.其中事件缩放法在响应排序前的特征数量基本在100个以内，而特征缩放法对应的特征数量随着输入尺度增加甚至超过300个.由于响应排序后只保留特征响应最大的部分特征（这里为100个），因此输入尺度较大时，特征缩放法会删去大量特征，影响了最终的识别效果.实验采取保留前300个特征的方法，测试了大尺度输入情况下特征缩放法对应的识别率（表3）.保留更多的特征可以提升特征缩放法对大尺度样本的识别效果，但也会消耗更多的资源.虽然特征缩放法在大尺度输入情况下具有一定不足，但综合性能仍超过事件缩放法.