《表1 不同特征参数的对比结果》
与其他方法相比,网络的泛化能力易受样本量的影响。为进一步彰显网络性能,在保持结构和参数设置不变的前提下,通过减少训练样本量的试验,准确率依然保持在96%以上。为验证本方法的可行性,与文献[11]中基于单一的纹理特征和文献[12]中基于形状和纹理特征的方法进行对比,并从拟合度R2、均方误差、运行时间和准确率4个方面对模型进行评价。从表1可以看出,基于多特征融合的检测方法拟合度R2更高,MSE值更小,且具有较高的识别率。
图表编号 | XD0033979800 严禁用于非法目的 |
---|---|
绘制时间 | 2019.02.25 |
作者 | 张重阳、陈明、冯国富、郭强、周旭、侍国忠、陈冠奇 |
绘制单位 | 上海海洋大学信息学院、农业部渔业信息重点实验室、上海海洋大学信息学院、农业部渔业信息重点实验室、上海海洋大学信息学院、农业部渔业信息重点实验室、上海海洋大学信息学院、上海海洋大学信息学院、上海海洋大学信息学院、农业部渔业信息重点实验室、上海海洋大学信息学院 |
更多格式 | 高清、无水印(增值服务) |