《表1 SVM训练结果：基于DCNN特征的建筑物震害损毁区域检测》

  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DCNN特征的建筑物震害损毁区域检测》

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

（%）

分别利用训练样本通过AlexNet模型和VGG-Net模型学习的DCNN特征训练SVM分类器并进行测试。为了进行对比，本文还实现了基于词袋模型（bag of words，BOW）的中层特征提取过程，即提取训练和测试样本尺度不变特征变换（scale-invariant feature transform，SIFT）描述符，利用K-means聚类方法，采用1 100个聚类中心构建BOW模型，训练SVM分类器并用测试样本进行测试[23]。3种特征训练结果如表1所示。从表1结果中可以看出，基于传统SIFT特征的BOW模型的测试精度低于基于DCNN提取的特征，其中，VGGNet模型相对于AlexNet模型具有更高的测试精度。