《表5 本文方法与其他舰船检测方法对比结果》
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
《双向特征融合的数据自适应SAR图像舰船目标检测模型》
注:加粗字体为每列最优结果。
为进一步验证本文方法的有效性与实用性,与Faster RCNN(Ren等,2017)、基于卷积神经网络的检测模型(CNN-based model)(李健伟等,2018)、基于生成对抗网络(generative adversarial network,GAN)和线上难例挖掘(online hard example mining,OHEM)的检测模型(李健伟等,2019)以及密集连接的端到端检测网络(densely connected end-to-end neural network)(Jiao等,2018)等模型进行对比实验,以上对比模型依次称为模型1、模型2、模型3、模型4,结果如表5所示。
图表编号 | XD00159736000 严禁用于非法目的 |
---|---|
绘制时间 | 2020.09.16 |
作者 | 张筱晗、姚力波、吕亚飞、简涛、赵志伟、藏洁 |
绘制单位 | 海军航空大学信息融合研究所、海军航空大学信息融合研究所、海军航空大学信息融合研究所、海军航空大学信息融合研究所、北京空间飞行器总体设计部、北京空间飞行器总体设计部 |
更多格式 | 高清、无水印(增值服务) |