《表1 SVM训练结果:基于DCNN特征的建筑物震害损毁区域检测》
(%)
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。
图表编号 | XD0061500200 严禁用于非法目的 |
---|---|
绘制时间 | 2019.06.01 |
作者 | 周阳、张云生、陈斯飏、邹峥嵘、朱耀晨、赵芮雪 |
绘制单位 | 中南大学地球科学与信息物理学院、中南大学地球科学与信息物理学院、中南大学地球科学与信息物理学院、中南大学地球科学与信息物理学院、中南大学地球科学与信息物理学院、中南大学地球科学与信息物理学院 |
更多格式 | 高清、无水印(增值服务) |