《表4 识别准确率结果：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
/%/%
应用多通道模型1与传统湖面塑料制品漂浮物识别分类模型进行分析比较。本研究采用的传统特征提取分类模型为HOG和LBP，实验环境和条件均不变，结果如表4所示。
| 图表编号 | XD00154407500 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1 基于Fast-RCNN的道路识别模型测试准确率与性能结果》2020.07.18
- 《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4 AR数据集基于局部块方法的识别准确率》2021.01.01
- 《表4 各模型准确率对比：基于生成对抗网络的农作物叶片病害识别》2020.11.01
- 《表A2 SDD-VGG样本识别情况》2020.09.30
- 《表4 10类猴子分别在VGG16＿2上的识别率》2020.05.10
- 《表4 为目标检测准确率：基于信息融合的城市自主车辆实时目标识别》2020.06.20
- 《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3 识别准确率数据：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4 基于测量斜率识别准确率结果比较》2020.02.15
- 《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3 VGG16和ResNet50的训练时间和识别时间》2019.09.20
- 《表4 分类结果精度评价：无人机遥感在塑料大棚识别中的方法研究》2019.02.25
- 《表4 基于纹理特征的番茄叶部病害识别模型的准确率和特征提取时间》2019.04.25
- 《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