《表1 测试集精度：基于迁移学习的高分遥感影像场景分类》
提示：宽带有限、当前游客访问压缩模式
将训练好的模型保存，并进行测试集的测试，测试精度表1所示。
| 图表编号 | XD00120486000 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.12.20 |
| 作者 | 司龙伟 |
| 绘制单位 | 河南理工大学测绘与国土信息工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 精度评价：基于迁移学习的高分辨率遥感影像道路信息提取》2020.06.01
- 《表6 精度评价混淆矩阵：基于改进U-Net网络的高分遥感影像水体提取》2020.10.25
- 《表1 油气管道参数：基于高分二号遥感影像的树种分类方法》2019.10.20
- 《表2 外部参数：基于高分二号遥感影像的树种分类方法》2019.10.20
- 《表1 不同算法实验对比：基于深度学习的高分遥感影像分类方法研究》2021.02.05
- 《表2 分类精度评价结果：基于高分遥感影像和POI的国土空间规划现状细化调查》2020.07.01
- 《表7 总体分类精度统计：天宫一号高光谱遥感场景分类数据集及应用》2020.09.25
- 《表1 土地利用分类：基于高分遥感影像的土地利用研究——以重庆三峡库区为例》2020.04.25
- 《表1 本文算法精度评价：基于高分遥感影像的断裂道路连接方法》2020.02.25
- 《表1 测试集识别率结果：迁移学习场景下的实时停车位置检测》2019.12.28
- 《表1 混淆矩阵：基于超像元词包特征和主动学习的高分遥感影像变化检测》2019.10.25
- 《表1 高分二号卫星参数：基于卫星遥感影像的土地分类实验方法研究》2019.09.01
- 《表2 三个实验的准确率：基于深度学习的高分遥感影像乡镇建筑物识别方法》2019.01.20
- 《表1 分类结果混淆矩阵：基于深度学习的高分遥感影像乡镇建筑物识别方法》2019.01.20
- 《表1 源域遥感影像场景分类数据集类别》2019.06.10
- 《表4 各评价精度公式：基于高分一号影像的深圳市黑臭水体遥感识别》2019.02.08
- 《表6 精度统计：基于高分一号影像的深圳市黑臭水体遥感识别》2019.02.08
- 《表1 测试集分类结果：基于迁移学习的小样本农作物病害识别》2019.03.20
- 《表3 精度评价：基于卷积神经网络的高分遥感影像露天采矿场识别》2018.12.01
- 《表4 影像分类精度表：基于ENVI的遥感影像分类》2018.08.25