《表5 分类对比结果：一种基于特征融合的车辆图像分类方法》
提示：宽带有限、当前游客访问压缩模式
将本文方法与文献[2][4][5][9]进行对比，实验结果如表5所示：
| 图表编号 | XD00155090800 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.05.01 |
| 作者 | 邓方舟、何南 |
| 绘制单位 | 桂林师范高等专科学校网络与教育技术中心、桂林师范高等专科学校网络与教育技术中心 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表6 与其他方法对比：一种融合多级特征信息的图像语义分割方法》2020.11.05
- 《表5 方案6分类精度：一种基于联合特征的地表覆盖变化自动检测方法》2020.10.25
- 《表4 方案5分类精度：一种基于联合特征的地表覆盖变化自动检测方法》2020.10.25
- 《表5 基于ECG、s EMG特征融合的分类结果统计》2020.12.25
- 《表3 面料信息数据：一种基于特征值融合的服装面料图像检索方法》2021.02.01
- 《表1 符号含义：基于特征融合的脑部图像多级分类》2020.11.01
- 《表1 实验结果对比：基于特征融合的遥感图像舰船目标检测方法》2020.07.01
- 《表3 单独特征分类结果：一种基于特征融合的车辆图像分类方法》2020.05.01
- 《表6 车辆图像分类结果：一种基于特征融合的车辆图像分类方法》2020.05.01
- 《表4 融合特征分类效果：一种基于特征融合的车辆图像分类方法》2020.05.01
- 《表1 选取的特征及维数：一种基于特征融合的车辆图像分类方法》2020.05.01
- 《表8 不同输入图像对比：基于CNN多层面二阶特征融合的肺结节分类》2020.09.01
- 《表1 深度网络的发展：基于舌图像深度特征融合的中医体质分类方法研究》2020.06.01
- 《表2 实验结果对比：一种基于深层次多尺度特征融合CNN的SAR图像舰船目标检测算法》2020.01.25
- 《表1 实验结果对比：一种基于深层次多尺度特征融合CNN的SAR图像舰船目标检测算法》2020.01.25
- 《表1 图像三类特征：一种基于多类特征融合的车辆识别方法》2020.01.01
- 《表2 实验结果对比：基于电磁感应的道路车辆车型在线分类方法研究》2019.12.25
- 《表3 检测性能对比：一种基于图像感知哈希的海量恶意代码分类方法》2019.06.01
- 《表1 实现结果比较：一种基于CNN与双向LSTM融合的文本情感分类方法》2019.12.01
- 《表3 分类精度：一种结合纹理特征的极化SAR图像SVM分类方法》2018.10.25