《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》
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。
图表编号 | XD00204319300 严禁用于非法目的 |
---|---|
绘制时间 | 2021.02.01 |
作者 | 袁鸣、柴志雷、甘霖 |
绘制单位 | 江南大学物联网工程学院物联网技术应用教育部工程研究中心、国家超级计算无锡中心、江南大学物联网工程学院物联网技术应用教育部工程研究中心、国家超级计算无锡中心、清华大学计算机科学与技术系 |
更多格式 | 高清、无水印(增值服务) |