《表2 几种方法在Caltech101数据库上的实验结果》
如表2所示,在仅需较低字典维数的同时本文方法对物体图像的分类正确率确实得到了显著的提高.图4中,第一行和第二行分别列出了本文方法在实验中正确率较高的和较低的部分类别图像.仔细分析实验结果并观察相应图像,可以发现正确率高的类别图像具有背景不嘈杂,并且物体本身轮廓清晰的特点.如果换成背景复杂的物体图像本方法是否依然有效呢?为了回答这个疑问,本文在MSRC数据库上进行实验.
图表编号 | XD0017149600 严禁用于非法目的 |
---|---|
绘制时间 | 2018.07.01 |
作者 | 李雅倩、吴超、李海滨、刘彬 |
绘制单位 | 燕山大学工业计算机控制工程河北省重点实验室、燕山大学信息科学与工程学院、燕山大学工业计算机控制工程河北省重点实验室、燕山大学信息科学与工程学院 |
更多格式 | 高清、无水印(增值服务) |