《表3 FF-CNN与其它几种模型的识别准确率》
其中,ti表示每个类中正确预测的样本数,ni表示每个类中的样本数,N表示类的数量。从表3给出的识别结果可以看出,第1行是文献[13]提出的经典GoogLeNet模型的识别效果,其Acc1和Acc2分别为98.32%,97.81%;第2行是文献[14]提出的使用来自后视图像汽车标志的几何形状的车辆模型识别方法,其识别效果较其它两种方法有所下降;第3行是文献[15]提出的MS-CNN模型在基准数据集CompCars下对281种车辆类型进行细粒度分类得到较高的准确率,其中,Acc1与Acc2分别达到了98.83%,98.43%。
图表编号 | XD00122857600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.01.16 |
作者 | 李致金、张亮、武鹏、丁春健 |
绘制单位 | 南京信息工程大学电子与信息工程学院、南京信息工程大学电子与信息工程学院、南京信息工程大学电子与信息工程学院、南京信息工程大学电子与信息工程学院 |
更多格式 | 高清、无水印(增值服务) |