《表1 分类精度:一种运动目标轨迹提取方法》
在实验中,本文训练的卷积神经网络模型仅对轿车、行人、公共汽车进行了分类,分类精度见表1。训练环境为Ubuntu16.04,Caffe框架,GPU型号为NVIDIA GTX TitanX,运行内存12GB。输入到卷积神经网络的样本共5 000张,其中包括训练样本4 500张,测试样本500张。当目标所占最小矩形框像素数(以下简称为目标所占像素)在900(30×30)像素以上时,目标识别率为95%,当目标所占像素在400~900像素时,目标识别率为84%,当目标所占像素在400(20×20)像素以下时,并不能较好地识别出目标。分类和定位效果如图5所示。
图表编号 | XD0052909800 严禁用于非法目的 |
---|---|
绘制时间 | 2019.07.20 |
作者 | 韩丰宇、范荣双、梁勇、张航、夏普 |
绘制单位 | 山东农业大学、中国测绘科学研究院、山东农业大学、山东农业大学、山东农业大学 |
更多格式 | 高清、无水印(增值服务) |