《表4 各种行为的召回率：基于深度学习的实验鼠行为识别关键技术研究》
提示：宽带有限、当前游客访问压缩模式
图1展示了有数据增强和没有数据增强的分类结果。具有数据增强的端到端输入模式具有75%的平均召回率的最佳结果。表4展示了每种行为的召回率。图2是进行数据增强后的影响。
| 图表编号 | XD00133592000 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.03.01 |
| 作者 | 徐涌霞 |
| 绘制单位 | 淮北职业技术学院计算机系 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 实验结果：基于深度学习的MOOC作弊行为检测研究》2021.01.01
- 《表3 本文算法实验结果：基于深度学习的生猪饮水行为识别研究》2021.01.15
- 《表2 目标检测实验结果：基于深度学习的生猪饮水行为识别研究》2021.01.15
- 《表1 网络参数：基于深度学习的生猪饮水行为识别研究》2021.01.15
- 《表7 系统处理速度实验：基于深度学习的关键岗位人员行为分析系统》2021.03.15
- 《表2 实验视频基本信息：基于深度学习的关键岗位人员行为分析系统》2021.03.15
- 《表3 模型训练参数：基于深度学习的关键岗位人员行为分析系统》2021.03.15
- 《表1 数据集统计：基于深度学习的关键岗位人员行为分析系统》2021.03.15
- 《表2 学习率比选实验：基于特征重用的交通标志识别技术应用研究》2020.02.25
- 《表1 系统的测试结果：基于深度学习的不规范驾驶行为智能识别系统》2020.02.25
- 《表5 视频的总体一致性：基于深度学习的实验鼠行为识别关键技术研究》2020.03.01
- 《表3 视频数据集参数：基于深度学习的实验鼠行为识别关键技术研究》2020.03.01
- 《表1 侵略性行为的定义：群养猪侵略性行为的深度学习识别方法》2019.12.01
- 《表1 数据集汇总：基于深度学习的视频行为识别方法综述》2019.12.20
- 《表4 数据集实验结果：基于迁移学习和AlexNet的驾驶员行为状态识别方法》2019.10.08
- 《表2 实验结果：基于深度学习的Web注入行为实时检测技术研究》2019.07.01
- 《表4敞车装载不良分类：基于深度学习技术的货检图像智能识别与测试研究》2019.06.25
- 《表1 实验软硬件配置：基于RGB-D与深度学习的行为识别算法》2019.06.16
- 《表1 实验数据明细：基于深度学习的窃电行为检测方法》2019.02.25
- 《表6 基于深度学习的学习者心理和行为的分析研究总结》2019.02.01