《表1 CIFAR-100数据集的mAP对比》

《表1 CIFAR-100数据集的mAP对比》   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
《基于三流卷积神经网络模型的图像分类方法》


  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

文中提出的三流NIN-3模型和三流ResNet-20模型在CIFAR-100数据集上的实验结果如表1所示.表1中的基础网络NIN-3和ResNet-20的分类结果来自于文献[10]，DNI和DNR分别是文献[10]中以NIN-3和ResNet-20作为基础模型构造的双流模型.从表1的实验结果可以看出，本文的三流ResNet-20网络模型比文献[10]的DNR模型准确率提高了2.11%，比单个ResNet-20网络模型准确率提高了5.45%.在NIN-3网络模型上，本文三流网络模型比文献[10]中的单个网络模型准确率提高了2.26%.这表明本文提出的三流卷积神经网络模型能更好的提取图像特征，使得图像分类效果有较为显著的提升.

图表编号XD00109548900    严禁用于非法目的
绘制时间2019.10.01
作者罗会兰、易慧
绘制单位江西理工大学信息工程学院、江西理工大学信息工程学院
更多格式高清、无水印（增值服务）

相关图表

  1. 《表4 CIFAR-100上图像识别测试准确率(%)》2021.03.01
  2. 《表2 CIFAR100数据集物体识别结果对比表》2021.02.01
  3. 《表2 两个模型在CIFAR-10和CIFAR100的准确率》2020.12.01
  4. 《表3 Cifar100的Top-1准确率》2020.12.01
  5. 《表3 在Cifar100中各种算法的错误率（单位：%）》2020.10.15
  6. 《表1 CIFAR-100数据集上本文方法的mAP（%）比较》2020.05.16
  7. 《表6 CIFAR-100图像集实验准确率》2020.04.01
  8. 《表2 网络模型在CIFAR-100测试的结果》2020.03.01
  9. 《表3 CIFAR-100上准确率和损失》2020.03.01
  10. 《表3 CIFAR100数据集的测试正确率》2020.01.01
  11. 《表3 模型在CIFAR10和CIFAR100上的分类错误率》2020.01.01
  12. 《表1 Cifar100-6000数据集上的分类准确率对比》2019.12.01
  13. 《表2 CIFAR-100数据集和其他方法的mAP对比》2019.10.01
  14. 《表3 CIFAR-100数据集表现》2019.09.30
  15. 《表8 在Cifar100数据集上的小样本分类精度》2019.09.16
  16. 《表3 三种剪枝准则在CIFAR-100上的实验结果对比》2019.09.01
  17. 《表2 CroSSD网络在NEU-DET数据集的mAP值》2019.08.01
  18. 《表2 Caltech256数据集的mAP和检索时间Tab.2 The mAP and retrieval time in Caltech256dataset》2018.04.15
  19. 《表3 Corel5K数据集的mAP和检索时间Tab.3 The mAP and retrieval time in Corel5Kdataset》2018.04.15
  20. 《表2 在CIFAR-100数据集上的性能Table 2Performance on the CIFAR-100 dataset》2018.10.10

随机翻阅

《表1 两组血清肿瘤标志物水平比较（±s)》 《表3 2019年浙江、江苏、河南三省工业和高载能制造业用电占比情况》 《Table 4 Mccr and Mtcr of CAC beam(Mccr:calculated value;Mtcr:measured value)》 《表2 缓释膜中RAPA含量测定》 《表1 本文方法边缘检测结果》 《表1 两组疗效比较[n(%)]》 《表2 硅锰合金精密度试验结果》 《表1 临床治疗效果对比[n (%) ]》 《表2 2016年北京现代制造业的创新能力建设现状》 《表4 不同迁移模式下孩子照料的时间投入和经济负担》