《表3 模型的性能评估：基于卷积神经网络特征提取的轻量级包装袋分类模型》
提示：宽带有限、当前游客访问压缩模式
传统分类模型HOG与轻量级包装袋分类模型的测试准确率如表3所示。
| 图表编号 | XD00154406100 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.08.25 |
| 作者 | 鲁江坤、汪林林、陈红阳 |
| 绘制单位 | 重庆人文科技学院计算机工程学院、重庆邮电大学软件工程学院、重庆人文科技学院计算机工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 指标变量体系：基于卷积神经网络的客户信用评估模型研究》2020.06.25
- 《表4 模型性能指标对比：图像分类卷积神经网络的进化设计》2020.05.15
- 《表3 检测性能：基于深度Inception网络的包装袋检测模型》2020.07.25
- 《表4 模型准确率：基于深度卷积神经网络的塑料垃圾分类研究》2020.04.25
- 《表3 模型准确率：基于深度卷积神经网络的塑料垃圾分类研究》2020.04.25
- 《表2 模型准确率：基于深度卷积神经网络的塑料垃圾分类研究》2020.04.25
- 《表3 k值对OA的影响：基于K近邻卷积神经网络的点云模型识别与分类》2020.05.25
- 《表1 模型的分类准确率：基于卷积神经网络特征提取的轻量级包装袋分类模型》2020.08.25
- 《表2 模型的训练时长：基于卷积神经网络特征提取的轻量级包装袋分类模型》2020.08.25
- 《表2 不同模型性能对比：基于非结节自动分类的二维卷积网络在肺结节检测假阳性减少中的应用》2020.08.01
- 《表2 实验参数设置：基于卷积神经网络和贝叶斯分类器的句子分类模型》2020.02.01
- 《表3 数据集的分布：基于多尺度卷积特征融合的台风等级分类模型》2019.08.25
- 《表1 模型评估结果：基于深度卷积神经网络的小麦赤霉病高光谱病症点分类方法》2019.02.25
- 《表2 基于卷积网络与基于词袋模型的分类精度的对比》2019.06.20
- 《表2 不同模型性能对比：基于轻量级卷积神经网络的人脸识别方法》2019.03.01
- 《表6 算法的比较序值：基于特征图切分的轻量级卷积神经网络》2019.03.01
- 《表A1模型的训练过程：基于卷积神经网络的电力系统小干扰稳定评估》2019.01.25
- 《表2 模型参数量：移动GPU上基于轻量级卷积神经网络的道路拥堵检测方法》2019.12.01
- 《表3 特征提取模型性能：雷达海上目标双通道卷积神经网络特征融合智能检测方法》2019.10.01
- 《表2 回归模型特征：基于卷积神经网络的机票低价预测》2019.10.01