《表4 不同算法在WDS数据集上各类别的分类准确率》
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.
图表编号 | XD0096853800 严禁用于非法目的 |
---|---|
绘制时间 | 2019.09.01 |
作者 | 周强、徐宏伟、陈逸、孙玉宝 |
绘制单位 | 南京信息工程大学自动化学院江苏省大数据分析技术重点实验室江苏省大气环境与装备技术协同创新中心、南京信息工程大学自动化学院江苏省大数据分析技术重点实验室江苏省大气环境与装备技术协同创新中心、南京信息工程大学自动化学院江苏省大数据分析技术重点实验室江苏省大气环境与装备技术协同创新中心、南京信息工程大学自动化学院江苏省大数据分析技术重点实验室江苏省大气环境与装备技术协同创新中心 |
更多格式 | 高清、无水印(增值服务) |