《表6 不同方法整体分类精度对比》
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%。
图表编号 | XD00176457400 严禁用于非法目的 |
---|---|
绘制时间 | 2020.06.25 |
作者 | 余东行、张保明、赵传、郭海涛、卢俊 |
绘制单位 | 信息工程大学地理空间信息学院、信息工程大学地理空间信息学院、信息工程大学地理空间信息学院、信息工程大学地理空间信息学院、信息工程大学地理空间信息学院 |
更多格式 | 高清、无水印(增值服务) |