《表3 各模型对比结果:基于迁移学习的红外图像分类》
为了验证迁移学习算法的有效性,查阅了近年来有关红外图像分类的文献,其中张秋实等[24]利用图像融合的方法对红外图像的分类做了阐述,其在红外+可见光融合的模型上最高分类精度为88.7%;邵保泰[25]的红外超分辨率成像及小目标分类研究,FLIR数据集的分类精度为93%;国外的Gundogdu等[26-27]利用神经网络(CNN)和前馈神经网络(FCFFNN)做了一系列红外图像分类研究,在FFCNN模型上的分类精度为88.75%。各模型对比结果如表3所示,其列出了各种红外图像分类模型的精度,经过对比,本文的TIM模型在红外图像上的分类效果更好,较之前的分类算法的精度有所提高,其平均分类精度达到99.4%,并能实现对不同格式的红外图像进行高效分类。
图表编号 | XD00226247400 严禁用于非法目的 |
---|---|
绘制时间 | 2020.09.28 |
作者 | 邓玲、张军、周宽 |
绘制单位 | 天津职业技术师范大学电子工程学院、天津职业技术师范大学电子工程学院、天津职业技术师范大学电子工程学院 |
更多格式 | 高清、无水印(增值服务) |