《表3 三种模型对每种颜料的分类精度对比》

  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

《基于卷积神经网络的壁画颜料多光谱图像分类》

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

%

图11为三种分类方法的分类效果图和原壁画图的对比，可见所提出的加入dropout的CNN模型在壁画颜料的多光谱图像分类方向上有一定的适用性，分类效果也比其他两种方法更好，其整体分类正确率相比统计流形-SVM模型有大幅提高，与未加入dropout的CNN模型相比也有一定增长。但该方法在边缘处理上对一些细节的处理能力稍差，这是由于壁画原图的边缘是铅笔描画的，该类数据难以采集，这就导致边缘像素点数据无法被模型学习分类，故CNN分类模型在壁画中人物、植物、动物边缘的分类上仍存在着一定的误差。