《表1 算法在各数据集上的平均准确率》
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。
图表编号 | XD00211782600 严禁用于非法目的 |
---|---|
绘制时间 | 2021.02.01 |
作者 | 张凯、阳杰 |
绘制单位 | 西安工程大学电子信息学院、西安工程大学电子信息学院 |
更多格式 | 高清、无水印(增值服务) |