《表6 在UCM数据集上的分类结果》

  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

如表6所示，UCM数据集上的一些最新遥感场景分类方法以及对本文提出的进行了比较评估．训练比率分别为80%还是50%时，本文的方法都超过其他场景分类方法．当使用80%图像进行训练时，本文的方法比ARCNet-VGG16[20]的结果提高0.17%．当使用50%的图像进行训练时，与ARCNet-VGG16相比，结果提高1.35%．本文的方法是基于ResNet-50提取的特征，因此非常有必要与基于ResNet的场景分类的方法进行比较，在80%的训练样本中比ResNet-TP-50[7]高0.74%，在50%的训练样本中高0.51%．这证实了本文的方法对提升分类准确性效果明显．