《表5 本文方法与其它文献方法实验结果对比》
为验证本文所提方法的优势,将本文实验结果与其它文献实验结果进行比较分析.如表5所示,文献[19]在13类花卉图像集上基于一种新的颜色特征提取的方法,对花卉图像提取的Lab特征和SURF特征进行加权融合,并用SVM作为分类器,分类精度达到84.01%;文献[20]对各种梯度和二元描述符在平移、旋转和缩放等方面的效率和鲁棒性进行经验性评估,并在16类花卉图像集上使用SVM分类器,提取SIFT特征后分类精度为78.06%;文献[21]在102类花卉图像集上首先进行花卉主体分割,其次使用两种不同的卷积神经网络结构GoogleNet和AlexNet进行分类,GoogleNet的top-1精度为47.15%,top-5精度为69.17%,AlexNet的top-1精度为43.39%,top-5精度为68.68%.
图表编号 | XD0079881900 严禁用于非法目的 |
---|---|
绘制时间 | 2019.07.01 |
作者 | 武慧琼、张素兰、张继福、胡立华 |
绘制单位 | 太原科技大学计算机科学与技术学院、太原科技大学计算机科学与技术学院、太原科技大学计算机科学与技术学院、太原科技大学计算机科学与技术学院 |
更多格式 | 高清、无水印(增值服务) |