《表3 深度神经网络用于水下目标检测与识别的对比分析》

  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

《水下光学图像中目标探测关键技术研究综述》

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

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。