《表3 深度神经网络用于水下目标检测与识别的对比分析》
许多机器视觉任务中,深度学习网络从像素级原始数据到抽象的语义概念逐层提取信息,使其在提取图像的全局特征和上下文信息方面具有突出的优势,与传统方法相比,表现更好。研究人员通过实验对比了深度学习网络和传统分类算法的性能[41],发现传统方法分类的准确率明显更低。为了进一步提高深度网络在水下特殊环境中的目标检测识别精度,许多学者将深度神经网络与其他算法相结合,如表3所示,充分发挥了各算法的优势,在水下目标检测时降低了大量训练数据的需求,提高了检测精度及适应性。Cao等[42]将人工提取的特征与CNN提取的特征相结合,也达到了比单独应用CNN更高的精度。
图表编号 | XD00162233400 严禁用于非法目的 |
---|---|
绘制时间 | 2020.03.25 |
作者 | 林森、赵颍 |
绘制单位 | 辽宁工程技术大学电子与信息工程学院、中国科学院沈阳自动化研究所机器人学国家重点实验室、中国科学院机器人与智能制造创新研究院、辽宁工程技术大学电子与信息工程学院、辽宁工程技术大学研究生学院 |
更多格式 | 高清、无水印(增值服务) |