《表3 分组数对分类准确率的影响》

  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

《基于深度多分支特征融合网络的光学遥感场景分类》

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

2）分组数（group number）：融合是基于分组通道的融合方法，将不同层次的特征在分组内进行融合，分组是一个重要参数，分组数直接关系到能否有效融合，不同组数会对试验结果产生不一样的结果．本文选取了几个参数，在分类精度上进行比较，如表3所示．试验在OPTIMAL-31数据集上进行．当分组数为1时，是通常意义上的特征融合，随着分组的数的增加，分类准确率也随之变化，当分组数为32时准确率最高，分组数再增加时，准确率反而降低．表3中分类准确率证明本文的分组融合方法有效，在分组数为32最佳．