《表3 FF-CNN与其它几种模型的识别准确率》

  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

《基于特征融合卷积神经网络的车型精细识别》

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

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%。