《表3 不同年份中各算法MAE和MSE的对比统计》

  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

《基于密度等级分类的田间棉铃计数算法》

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

棉铃生长不同年份及地域条件是影响棉铃计数算法精度的重要因素.不同年份及地域条件下生长的棉铃可能会受土质影响，产生不同纤维长度、粗度、黄化率和整齐度的棉花果实[18]，这些都会不同程度地影响棉铃的发育形态，进而影响计数的准确度.本组实验使用年份作为变量对数据集进行分类，采用2017—2019年3个不同年份的田间棉铃图像，分别用Hydra-CNN[16]和Glance[5]算法与本文算法进行了比较.图8所示由上而下依次为本文算法对2017—2019年3个不同年份测试图像的估计密度图；其中，图8d所示为本文算法引入加权组合总损失函数后的高质量密度图.本组实验中，不同算法对测试图像的计数误差MAE和MSE值对比如表3所示.