《表1 Caltech 101结果比较》

  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

《局部位置特征与全局轮廓特征相结合的图像分类方法》

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

本实验使用101类物体图像，参照文献[2]实验选取图像，总共选中5978幅图像进行实验.表1中4幅轮廓图像的NSCT分解参数为[0，0，1]，7幅为[1，0，2].由大量实验数据得出，设置NSCT的分解参数使得最高频段包含的轮廓图像最多，而其他各个频率段包含的轮廓图像数目均衡时，物体类别分类正确率最高.此外，使用4幅轮廓图像能够让本文方法在较短时间内获得较高的物体类别分类正确率，因此，本文使用4幅轮廓图像的实验结果与其他已发表的实验结果进行比较.