《表2 4种方法结果对比：基于FPGA的油棕检测和硬件加速设计及实现》

  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FPGA的油棕检测和硬件加速设计及实现》

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

实验结果如表2所示，原算法、只改变基础网络、只改变主干网络和本文方法得到的F1分数依次为92.89%、93.08%、93.97%和94.53%，经过改进后的方法取得最高的F1分数，原网络方法取得最低的F1分数。对于四种油棕识别方法，识别精度均高于召回率。从四种方法得到的识别结果图中也可以看出，油棕和其他植被或建筑混淆的情况相对较少，油棕漏检情况需要得到进一步改善。