《表7 不同方法在悉尼城市目标数据集上的分类准确率、F1分数和训练时间》

  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

《基于三维卷积神经网络的点云图像船舶分类方法》

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

为了进一步验证本文方法的有效性，在悉尼城市目标数据集上对本文方法和文献[12]、文献[15]、文献[17]以及VoxNet方法进行了对比，结果如表7所示。文献[12]采用的是传统的GFH特征描述子，并用SVM分类器进行分类。文献[15]利用具有7层结构的深度卷积神经网络进行三维模型数据集的检测和识别。从表7可以看出，与其他几种方法相比，本文方法的分类准确率最高；与文献[17]方法相比，本文方法的网络训练时间也大大缩短了。原因是本文方法的参数量少，并且具有良好的特征描述能力。