《表1 目标的平均检测准确率》

  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SFFS多特征选择的航拍图像目标检测》

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

为验证本文算法的先进性，将本文算法与S-saliency[4]算法、LS[5]算法和DAVE算法[16]进行比较，并用平均准确率（mean Average Precision，m AP）对这4种算法进行定量比较，如表1所示。m AP更能客观地说明结果的全局性，而它的提出也是为了解决召回率与准确率的单值局限性。4种算法中，LS算法效果较差；S-saliency算法的尺度旋转不变特征性使得m AP比LS算法高出0.6%～2.5%；而DAVE算法仅比S-saliency算法高1.3%～3.0%，这是由于DAVE算（上接第10页）法采用深度学习的方法进行目标检测，能够自动学习图像的深层特征，而本文实验航拍图像训练集不足，限制了DAVE深度学习算法的性能，只能达到较高的水平；本文算法在上述几种算法中，平均准确率达到最高，这是因为本文算法在大大减少特征维数的同时，挖掘了具有相互补充和增强描述能力的潜在特征，提高了目标检测的平均准确度。