《表3 SPP-Net-Inception-v4模型验证集的分类预测结果》

  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

《多尺度特征融合的柑橘冠层施药沉积量分类模型》

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

利用保存的最优SPP-Net-Inception-v4模型进行验证集分类预测结果统计（表3）。试验结果表明，SPP-Net-Inception-v4模型基于多尺度特征融合的网络设计，准确预测了大部分验证集数据的施药情况，模型的最优收敛准确率为95.07%，比Inception-v4模型提高1.58%，比Res Net-152提高3.26%。验证集的分类预测结果显示，预测正确的已施药和未施药冠层热红外图像（图5a和图5b），预测错误的已施药和未施药冠层热红外图像（图5c和图5d）。通过综合对比分析可知，预测正确与预测错误的柑橘冠层图像均有局部特征不同程度相近的特点，说明模型特征拟合表达还有进一步提升的空间，另一方面也说明原始图像与特征图之间存在多尺度感受野大小未能完全匹配模型网络宽度与深度变化的可能。