《表1 Soft-FART与FART的F1-score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

《基于视觉注意机制的红外弱小目标检测》

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

该部分对本文设计的Soft-FART与传统FART以及具有代表性的SVM、ANN等机器学习算法进行能对比，前级特征输入均为本文2.3节构建的特征集。表1给出了整个算法分别使用Soft-FART和传统FART以及SVM、ANN的F1-score对比结果，可以发现Soft-FART在6种场景下的F1-score均高于传统FART，平均值高出0.1左右，说明Soft-FART提高了神经节点信息的利用率，训练得到的模型能更好地识别红外弱小目标。另外，Soft-FART的F1-score也高于SVM、ANN，体现了Soft-FART的优越性。