《表6 不同方法整体分类精度对比》

  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

《联合卷积神经网络与集成学习的遥感影像场景分类》

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

采用MS-DCNN（许凤晖等，2016）对UCMerced＿LandUse数据集样本划分方法，每类样本随机选取80%作为训练数据，其余作为测试数据。为保证试验数据的有效性，将数据随机划分为5份，任选4份作为训练数据，其余一份作为测试数据，进行5组试验，并将5组试验结果的平均值作为最终分类结果（表6和图9）。在相同数据集及划分方法下实验，本文方法总体平均精度达到98.00%，高于其他基于词袋模型以及卷积神经网络的分类算法。如图9所示，UCMerced＿LandUse数据集中大多数类别的分类准确率本文方法可以达到100%，分类精度最差的类别为TSC(tennis courts），同样可以达到87%。