《表5 传统分类方法与改进DenseNet方法下的野外车辆识别率》

  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

《基于语谱图与改进Dense Net的野外车辆识别》

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

由图14可知，改进DenseNet+CBF的初始值要比改进DenseNet+Sig1和改进DenseNet+OWBF高，说明使用CBF进行传声器阵列信号的预处理波束形成效果要比单通道信号与OWBF好，同时改进DenseNet+CBF方法的识别率比DenseNet+CBF的识别率高2%，为97.70%，说明加入了center loss函数之后的Dense Net网络结构提取出了声音信号语谱图的深度特征，有利于分类。结合传统方法分类实验，本文所用方法得到的识别率如表5所示。