《表2 不同模型的性能对比》
提示：宽带有限、当前游客访问压缩模式
在残差网络ResNet-101上进行融合后，首先验证融合后残差网络模型的有效性，本文在数据集上进行了实验，并从性能的增益来进行论证，结果如表2所示。
| 图表编号 | XD00119668800 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.01.01 |
| 作者 | 李静、降爱莲 |
| 绘制单位 | 太原理工大学信息与计算机学院、太原理工大学信息与计算机学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 不同模块对模型的性能影响对比》2020.10.15
- 《表2 不同网络深度模型识别猪只的性能对比》2020.11.01
- 《表2 不同模型在两个数据集上的性能对比》2021.02.10
- 《表2 不同模型在测试集上的性能对比》2020.08.25
- 《表2 不同方法建立模型的性能指标对比》2020.06.25
- 《表2 不同网络模型预测性能指标的对比》2020.04.25
- 《表2 不同模型的性能对比》2020.09.16
- 《表2 不同预测模型性能对比》2020.10.31
- 《表2 不同检测模型的检测性能对比》2020.03.25
- 《表2 不同模型联合识别的性能对比（航空信息领域）》2020.09.01
- 《表2 不同模型性能对比表》2020.02.01
- 《表2 不同模型空载数量预测性能对比》2020.02.18
- 《表2 不同模型性能对比：复杂环境下的车牌端到端识别》2019.10.25
- 《表2 不同算法模型下的性能对比》2019.08.25
- 《表7 不同模型的性能对比》2019.08.10
- 《表2 不同模型性能对比：基于轻量级卷积神经网络的人脸识别方法》2019.03.01
- 《表2 不同类型模型的性能对比》2019.04.15
- 《表2 实验3.2在不同稀疏模型下的重建性能对比》2019.01.01
- 《表2 不同尺度上小波系数的模型性能对比》2018.04.30
- 《表2 不同模型检测集的预测性能对比》2019.11.30