《表2 本文模型与文献模型识别精度与识别效率对比Tab.2 Comparison of recognition accuracy and recognition efficiency between
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Faster R-CNN深度网络的遥感影像目标识别方法研究》
基于Faster R-CNN+VGG16的深度学习网络模型在对该数据集目标识别的性能表现为:油罐目标的识别精度达到97.46%,学校操场目标的识别精度达到97.41%,立交桥目标的识别精度达到81.08%。由此可见,基于Faster R-CNN深度学习网络模型可以适应于多种复杂场景下的其他遥感影像目标识别。通过进一步分析对比,本文模型的识别精度与文献测试结果相近,由于所获取到的数据集只是文献[26]数据集的一部分,尤其立交桥目标的样本数量较少,导致立交桥目标的识别精度略逊于AlexNet-DR&GoogleNet-DR方法;但是对比识别效率,本文的模型具有更好的识别速度表现,4种目标识别效率均优于AlexNet-DR&GoogleNet-DR方法,每张遥感影像目标识别耗时在0.2 s以内,Faste R-CNN模型和文献中AlexNet-DR&GoogleNet-DR方法的识别精度和识别效率对比如表2所示。
图表编号 | XD0015944800 严禁用于非法目的 |
---|---|
绘制时间 | 2018.10.25 |
作者 | 王金传、谭喜成、王召海、钟燕飞、董华萍、周松涛、成布怡 |
绘制单位 | 山东师范大学地理与环境学院、武汉大学遥感信息工程学院、地理空间信息与数字技术国家测绘地理信息局工程技术研究中心、山东师范大学地理与环境学院、武汉大学测绘遥感信息工程国家重点实验室、武汉大学测绘遥感信息工程国家重点实验室、城市空间信息工程北京市重点实验室、武汉大学遥感信息工程学院、武汉大学遥感信息工程学院 |
更多格式 | 高清、无水印(增值服务) |