《表3 不同航拍高度DenseNet121和DenseNet169分类结果》
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
《基于DenseNet的无人机光学图像树种分类研究》
建构混淆矩阵呈现模型分类效果,结果见图4。矩阵中统计模型每一类树种分类结果,包含计算分类错误的比例,即分类为其他树种的比例。对于20 m航拍影像,随着模型网络层数的增加,马尾松错分为芒萁的比例显著上升,导致其分类正确率出现较为显著的下降现象。这主要因为随着网络层数的上升,模型网络的感受野增大,使模型在分类时考虑的局部树种影像区域变大,研究区域内马尾松分布广泛,芒萁又为林下植被类型,导致马尾松周围常生长着芒萁,模型感受野的变大将提高马尾松与芒萁树种的重叠面积,增加其分类的难度,故DenseNet169模型马尾松分类正确率低于DenseNet121模型。对于40 m航拍影像,其各类分类结果对于模型网络层数的变化并不敏感,分类正确率略有下降。相比20 m的树种影像,40 m的树种影像分辨率低,其边缘信息模糊,卷积所提取的特征分类能力不高,导致模型感受野的增大对其分类效果影响减弱。
图表编号 | XD0097061600 严禁用于非法目的 |
---|---|
绘制时间 | 2019.08.20 |
作者 | 林志玮、丁启禄、黄嘉航、涂伟豪、胡典、刘金福 |
绘制单位 | 福建农林大学计算机与信息学院、福建农林大学林学院、福建农林大学林学博士后流动站、福建农林大学计算机与信息学院、福建农林大学林学院、福建农林大学计算机与信息学院、福建农林大学计算机与信息学院、福建农林大学计算机与信息学院、福建省高校生态与资源统计重点实验室 |
更多格式 | 高清、无水印(增值服务) |