《表3 各模型对比结果：基于迁移学习的红外图像分类》

  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

《基于迁移学习的红外图像分类》

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

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。