《表2 CNN模型(加入dropout)分类效果的混淆矩阵》
%
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。
图表编号 | XD003389900 严禁用于非法目的 |
---|---|
绘制时间 | 2019.11.25 |
作者 | 王燕妮、朱丹娜、王慧琴、王可 |
绘制单位 | 西安建筑科技大学信息与控制工程学院、西安建筑科技大学信息与控制工程学院、西安建筑科技大学信息与控制工程学院、西安建筑科技大学信息与控制工程学院 |
更多格式 | 高清、无水印(增值服务) |