《表4 对不同模型的定量评价》

  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

《基于深度学习的排水管道缺陷自动检测与分类》

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

其中，li和gi分别是测试集I中图像i的预测和真值标签，如果预测正确，则Θi(li）等于1，否则为0。为了定量度量，首先计算真正数（TP）、真负数（TN）、假正数（FP）和假负数（FN）。为了计算每个类别的分类精度，将多元分类的结果转换为属于当前类别的样本与不良样本的二元分类，这意味着简单地把非当前类当作一个类。如当计算裂缝类别的分类精度时，所有其他类型的缺陷，如沉积和阻挡，都被视为一类，即非裂缝类别。每个类型缺陷的分类精度定义为：（TP+TN）/（TP+FP+TN+FN）。如表4所示，本方法在污水缺陷分类中能达到中等精度，平均分类精度可达94.96%。此外，通过分析查准率，查全率和F1值，以进一步以更全面的方式验证此方法的性能。