《表4 不同算法分类精度》
将本文方法与其他方法进行实验对比。对比的方法有:1) Source Only,利用源域数据集和深度卷积神经网络学习场景影像的深度特征,直接对目标域数据分类,不使用域适应方法;2) MMD[22],使用MMD损失函数最小化源域和目标域的特征分布差异,使用最后一个全连接层输出计算MMD损失;3) DANN[23](Domain-Adversarial Training of Neural Networks),利用对抗学习方法最小化源域和目标域的特征分布差异,在域分类器前加入一个梯度反转层,使用的模型和参数与所提方法一致。各方法的总体精度如表4所示。
图表编号 | XD0066607400 严禁用于非法目的 |
---|---|
绘制时间 | 2019.06.10 |
作者 | 滕文秀、王妮、陈泰生、王本林、陈梦琳、施慧慧 |
绘制单位 | 南京林业大学林学院、滁州学院地理信息与旅游学院、安徽省地理信息智能感知与服务工程实验室、滁州学院地理信息与旅游学院、安徽省地理信息智能感知与服务工程实验室、滁州学院地理信息与旅游学院、安徽省地理信息智能感知与服务工程实验室、河海大学地球科学与工程学院、滁州学院地理信息与旅游学院、安徽省地理信息智能感知与服务工程实验室、安徽省地理信息智能感知与服务工程实验室 |
更多格式 | 高清、无水印(增值服务) |