《表4 不同模型方法的比较》

  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

《基于仿真SAR图像深度迁移学习的自动目标识别》

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

本文模型与其他模型如支持向量机[3]、稀疏编码模型[4]、基于大场景图像迁移学习模型[14]、同样引进由SARSIM仿真SAR图像数据预训练迁移学习的CNNs模型[11]和使用数据增广的CNN分类方法[15]等方法的结果如表4所示。与同样基于SIMSAR等7类数据预训练下的文献[11]模型相比，本文的识别准确率提高到99.60%，表明本研究的深度学习模型的有效性。同时再加入文献[15]的1 080张SAR仿真数据后，在此基础上模型结果提升到99.78%。从表4可以看出，在分类任务上，在全部17°SAR图像作为训练集时，本文基于CReLU改进的迁移学习模型相比其他模型的分类结果能取得更好的分类性能。