《表4 卷积法和组合检测法的试验结果对比》
提示：宽带有限、当前游客访问压缩模式
本试验通过组合检测法对样本数据进行训练，共用时20.8h，完成45 516次训练。通过试验得到算法的检测准确率与处理时间，结果如表4所示。
| 图表编号 | XD00149360400 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.06.01 |
| 作者 | 丁彩红、黄浩、彭明 |
| 绘制单位 | 东华大学机械工程学院、东华大学机械工程学院、东华大学机械工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 不同组合的卷积核实验结果对比》2020.09.01
- 《表5 20批不同种类肉制品对比国标法和PCR分子层析法的检测结果》2020.12.10
- 《表4 20批不同种类乳制品对比国标法和PCR分子层析法的检测结果》2020.12.10
- 《表7 20批不同种类凉菜对比国标法和PCR分子层析法的检测结果》2020.12.10
- 《表5 免疫胶体金法和比浊法检测结果对比(份)》2020.10.10
- 《表2 试验效果对比：基于深度卷积神经网络的水稻纹枯病检测识别》2020.10.01
- 《表4 结果对比：基于卷积神经网络和XGBoost的摔倒检测》2020.08.25
- 《表4 HDN“三项试验”检测阳性组合结果》2019.09.15
- 《表4 UV法和HPLC法检测结果对比》2020.04.25
- 《表2 不同算法结果对比：基于深度卷积神经网络的遥感图像目标检测方法》2020.05.25
- 《表1 对比实验结果：一种改进的卷积神经网络恶意域名检测算法》2020.02.20
- 《表4 国标法和仪器快速法检测对比实验结果%（干基）》2020.03.21
- 《表4 国标法和仪器快速法检测对比实验结果%（干基）》2020.03.21
- 《表3 实验结果对比：应用深度卷积的涂布缺陷检测方法》2020.03.20
- 《表2 良恶分类结果对比：基于循环卷积神经网络的甲状腺恶性结节检测》2019.12.25
- 《表1 对比实验结果：基于组合色彩空间和卷积神经网络的手势识别算法》2019.10.15
- 《表4 各组合空白铝检测结果对比》2019.06.20
- 《表4 其他算法效果对比：基于卷积神经网络的主变压器外观缺陷检测方法》2019.04.25
- 《表4 车辆检测性能对比：基于卷积神经网络的多目标实时检测》2019.04.16
- 《表1 基于卷积神经网络的行人人头检测组合模型的试验设计》2019.01.30