《表2 六种鱼类识别率 (T=0.600)》
%
融合CNN特征后的水下目标识别率与仅使用BOF算法的识别率对比如表2所示,其中平均识别率是六种鱼类识别率的加权平均值。由于在matlab中2个向量之间的汉明距离定义为2个向量不同的分量所占的百分比,所以汉明距离值范围在0到1之间,在本试验中阈值T暂取0.600,在3.4节对T做详细分析。从表2可以看出BOF融合CNN特征后六种鱼类的识别率相较于只使用BOF或CNN特征的识别率都有明显提高。对单一种鱼类的识别率来说,三个特征层中卷积层Conv5和全连接层Fc6的优势都比较明显,对整个图像库来说,全连接层Fc6的识别效果好于Conv5层。全连接层Fc7虽然相对于BOF和CNN算法来说识别率也有提高,但是效果远不如Conv5层和Fc6层。
图表编号 | XD0040069000 严禁用于非法目的 |
---|---|
绘制时间 | 2019.02.20 |
作者 | 权稳稳、林明星 |
绘制单位 | 山东大学机械工程学院、山东大学机械工程学院 |
更多格式 | 高清、无水印(增值服务) |