《表8 Pavia University数据单类地物分类精度及总体精度》

《表8 Pavia University数据单类地物分类精度及总体精度》   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
《联合局部二值模式的CNN高光谱图像分类》


  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
注:加粗数字表示最佳精度。

表10列出了CNN、2D-CNN、LBP-CNN、DC-CNN及LBP-DC-CNN的训练测试时间,从表10中可以看出,由于DC-CNN需要同时处理2维数据和1维数据,还要连接不同的模型,因此训练时间相比2D-CNN要增长很多,而LBP提取的特征数据比原始图像数据量要大,LBP-CNN的训练时间也很长。LBP-DC-CNN要处理LBP提取的特征数据和原始图像数据,因此训练时间最长。