《表3 DV-CNN的分类结果》

  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

《提高小样本高光谱图像分类性能的变维卷积神经网络》

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

DV-CNN在Indian Pines数据集和Pavia University Scene数据集上的分类精度及标准差见表3。Indian Pines数据集上DV-CNN的OA为87.87%，AA为82.88%，Kappa系数为0.862；Pavia University Scene数据集上DV-CNN的OA为98.18%，AA为97.20%，Kappa系数为0.976。Pavia University Scene数据集的分类结果优于Indian Pines数据集，其中一个主要因素是数据量。在Indian Pines数据集中，在145×145区域中有10 249个标记的像素，但在Pavia University Scene数据集中，在610×340区域中有42 776个标记的像素。在深度学习模型中，数据量的大小往往是影响训练效果的关键因素。DV-CNN在Indian Pines数据集和Pavia University Scene数据集上的分类结果如图12所示。