《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》

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

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。