《表1 算法在各数据集上的平均准确率》

  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

《深度学习下的视觉SLAM回环检测及其算法》

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

使用平均准确率，以及准确率-召回率曲线，评价算法的性能。在数据集City centre与New college中，设定8位偏移量，16个超平面，效果最佳。偏移量、超平面数量逐渐减少，算法性能随之下降。相比数据集New college，算法对于数据集City centre的回环检测性能更佳。其原因在于数据集City centre中的人和车辆更多，模型具有更高的识别能力。比较基于Autoencoder的回环检测，再基于Alexnet的回环检测比较平均准确率。相比传统的人工设计特征提取算法，基于深度学习的Alexnet与Autoencoder的平均准确率更高。因此，对于图像场景的识别，基于深度学习的方法能力更强，受光照的影响更少。算法在数据集上的平均准确率比较结果归纳如表1。