《表3 不同算法的性能对比》
第四组实验验证融合Haar型LBP和Haar型HOG的特征提取改进算法的性能。通过与传统的PCA算法、文献[14]的分层LBP-HOG特征提取算法、文献[15]的多尺度faster-RCNN算法进行性能比较,实验结果如表3所示。从表3可以看出,相比于传统的PCA算法,改进算法具有较高的识别率,但所用时间较长。相比于文献[14]中的LBP-HOG (2,2)算法,改进算法在识别准确率上仍有优势,时间性能也优于前者。对于文献[15]中的多尺度faster-RCNN算法,改进算法性能更好。这是由于卷积神经网络算法需要大量的训练样本才能构建出较好的网络结构,不适用于小样本量的图像识别。
图表编号 | XD0090184200 严禁用于非法目的 |
---|---|
绘制时间 | 2019.09.15 |
作者 | 王育坚、高倩、谭卫雄、李深圳 |
绘制单位 | 北京联合大学智慧城市学院、北京联合大学智慧城市学院、北京联合大学智慧城市学院、北京联合大学智慧城市学院 |
更多格式 | 高清、无水印(增值服务) |