《表3 不同算法在UC数据集上各类别的分类准确率》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《随机多选择残差网络集成的遥感图像分类算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为了验证本文SMC-Resnet算法的性能，同三种算法在上述的两个数据集上进行对比分析，包括经典的空间金字塔稀疏编码算法（简记为SCSPM）[2]，单个残差网络分类算法（简记为Resnet[13]），以及4个残差网络的投票融合分类算法（简记为Voting）．表2给出了不同算法在两个数据集上的平均分类准确率，表3与表4分别给出了不同算法在UC和WDS数据集上各类别的分类准确率．可以看出，传统分类算法的分类准确率要明显低于基于深度网络的分类算法，特别是在复杂类别的分类任务上．本文SMC-Resnet算法在两个数据集上分类的准确率明显优于单残差网络的分类方法，同时也高于基于投票模型的多网络分类方法，验证了本文多选择融合策略的有效性．