《表4 与其他方法识别结果比较》
训练前后样本的聚集情况,如图6所示(使用PCA和t-SNE降维工具将维度降为二维),训练后,数据集的样本聚集得更紧密,不同类别之间距离变大,这使得模型的泛化效果更好。在数据集NEU上,与其他几种广泛使用的算法进行了对比,如表4所示。这里的算法获得了更好的识别率。说明了深度神经网络的迁移学习方法很适合工业产品表面质量检测。
图表编号 | XD00119850300 严禁用于非法目的 |
---|---|
绘制时间 | 2020.01.08 |
作者 | 肖书浩、吴蕾、何为、彭煜 |
绘制单位 | 武昌首义学院、武昌首义学院、武昌首义学院、武汉科技大学 |
更多格式 | 高清、无水印(增值服务) |