《表6 不同多尺度特征提取策略下模型分类结果》

  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

《SAR变体目标识别的卷积神经网络法》

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

基于3.1节的设计分析，首先通过实验验证多尺度体征提取策略对提高模型识别精度的有效性。采用表3的数据进行增强后，进行模型参数训练，对测试集进行分类的实验结果如表6所示。其中feature m表示图3中经宽度为m的卷积层提取到的特征图；多尺度特征提取策略1为文献[25]使用的多尺度特征提取方法；多尺度特征提取策略2为本文提出的改进多尺度特征提取方法。当模型第1层采用后者时，T72 8类目标的分类混淆矩阵如表7所示。单一测试图像经过多尺度特征提取模块得到的特征图如图7所示，第1～5行分别为多尺度策略2中宽度为1、3、5、7、9的卷积核提取出的特征。