《表3不同哈希方法在8、16、32、64字节下的前1 000个样本的分类精度》

  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

《基于仿射不变离散哈希的遥感图像多目标分类》

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5所示实验结果表明，当算法的3个参数在32字节时对MAP的提升幅度小于8字节时，其中不同字节下锚点数的增长对算法的精度都有稳定性提升，这是来源于SDH方法引入嵌入学习对算法精度提升的效果.在8字节时，随着旋转间隔角的减小，算法的精度不断提升，直至15°后（R=12）趋于平稳；而在缩放系数方面，在0.5和0.75这两个尺度下，达到算法精度的极值点；当缩放系数小于0.5时，算法精度则有所降低.为此，本文选取（0.5，0.75）两个尺度相结合作为缩放系数；而从锚点数的影响上来看，当锚点数小于2 000时，随着锚点数的增加，分类精度稳步提升，而大于2 000后，分类精度则基本不发生变化，因此实验中选取2 000作为锚点数.从定量上来看锚点数可以对分类精度带来10%～15%的稳步提升，而旋转系数和缩放系数在8字节下对算法精度影响更大，有5%～10%的提升.分析这种现象的原因在于，本文算法能够在低字节下更充分地挖掘样本信息并做出更有效的哈希码表达，而随着字节数的增大，哈希码承载的维度越高，表达信息就越多，算法的优势也就不再明显，从而MAP的提升有限.