《表3 识别准确率数据：基于VGG的湖面塑料制品漂浮物识别》
提示：宽带有限、当前游客访问压缩模式
/%
统计4个模型的塑料制品测试识别准确率，结果如表3所示。
| 图表编号 | XD00154407200 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.08.25 |
| 作者 | 陈运军 |
| 绘制单位 | 泸州职业技术学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 测试阶段准确率：基于并行子网的塑料光纤通信故障识别模型》2020.09.25
- 《表2 E-Yale B数据集基于局部块方法的识别准确率》2021.01.01
- 《表1 E-Yale B数据集基于全局方法的识别准确率》2021.01.01
- 《表4 AR数据集基于局部块方法的识别准确率》2021.01.01
- 《表3 AR数据集基于全局方法的识别准确率》2021.01.01
- 《表1 基于自建人脸数据集合中的识别速率及准确率》2020.10.01
- 《表3 VGG16与3种训练网络的速度对比识别速度/s》2020.04.01
- 《表2 VGG16与3种训练网络的精度对比识别精度》2020.04.01
- 《表2 划分的数据：基于VGG的湖面塑料制品漂浮物识别》2020.08.25
- 《表4 识别准确率结果：基于VGG的湖面塑料制品漂浮物识别》2020.08.25
- 《表2 VGG网络结构：基于Faster R-CNN算法的探地雷达管线目标智能识别》2020.06.30
- 《表2 VGG网络结构：基于Faster R-CNN算法的探地雷达管线目标智能识别》2020.06.30
- 《表2 不同深度卷积网络在ZF5和VGG16模型下的识别准确率》2020.03.08
- 《表3 岩石薄片特征提取：基于VGG模型的岩石薄片图像识别》2019.12.15
- 《表2 模型的准确率比较：基于数据融合的CNN方法用于人体活动识别》2020.02.16
- 《表3 VGG16和ResNet50的训练时间和识别时间》2019.09.20
- 《表6 不同层数网络下VGG和Res Net在不同数据库上的识别率》2019.08.16
- 《表1 基于测试数据的手势识别准确率》2018.06.01
- 《表2 准确率对比：一种基于3D-BN-VGG网络的行为识别算法》2019.11.28
- 《表3 计算速度对比：一种基于3D-BN-VGG网络的行为识别算法》2019.11.28