《表6 不同方法在车辆数据集的识别率对比》
为了验证本文方法对车辆识别的有效性,运用传统方法在车辆数据集上进行对比测试,结果如表6所示。从表6可以看出,CNN模型识别率高于其他传统方法,这是因为CNN只需要简单的计算便可自动提取出具有强代表性的图像特征;而本文MCP-SVM模型识别率比单一CNN模型提高了0.86%,且识别速度明显高于其他方法,这是因为通过融合多层特征和PCA降维技术避免了图片信息的遗漏,减少了计算量,再利用融合特征来训练泛化能力强的SVM,使分类性能得到明显提高。
图表编号 | XD0066608700 严禁用于非法目的 |
---|---|
绘制时间 | 2019.07.25 |
作者 | 马永杰、马芸婷、陈佳辉 |
绘制单位 | 西北师范大学物理与电子工程学院、西北师范大学物理与电子工程学院、西北师范大学物理与电子工程学院 |
更多格式 | 高清、无水印(增值服务) |