《表1 所设计系统图像金字塔各层的识别率(%)》
提示：宽带有限、当前游客访问压缩模式
（2）金字塔数量对识别率的影响。在相同的实验环境下，采用不同类型的样本进行训练以及识别，以下给出不同方法的识别率，如表1所示:
| 图表编号 | XD00162355300 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.07.25 |
| 作者 | 张源峰、程恩 |
| 绘制单位 | 厦门大学信息科学与技术学院、闽西职业技术学院、厦门大学信息科学与技术学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 网络各层的信息描述》2020.12.20
- 《表1 1 各层的综合权重及排序》2020.06.15
- 《表1 系统测试环境：基于改进shift算法的图像识别系统研究与设计》2020.05.25
- 《表1 图像采集信息：基于深度学习的车辆识别系统设计》2020.05.30
- 《表1 舵机角度：基于图像识别板球控制系统的设计》2020.07.05
- 《表2：识别项目结构：基于场景的图像文字稽核系统设计与实现》2020.05.01
- 《表4 图像处理速度对比：基于机器视觉的车道线在线识别系统设计》2020.08.28
- 《表1 瓶颈各层的输入输出》2020.02.20
- 《表1 识别效果：生成对抗网络图像类别标签跨模态识别系统设计》2020.04.15
- 《表1 金字塔点云各层点云的数据量》2020.02.25
- 《表1 相机输出执行参数：基于DSP的时频图像微弱信号识别系统设计》2020.01.01
- 《表2 实验软件环境：基于DSP的时频图像微弱信号识别系统设计》2020.01.01
- 《表1 部件检测识别率：动车组入所在线智能检测系统图像自动识别的研究与实现》2020.01.10
- 《表1 各层的语义重要权重》2019.09.01
- 《表2 节拍时间比较表：基于Delta机器人的目标图像识别与动态抓取系统设计》2019.10.15
- 《表1 训练结果表：基于深度神经网络的鸟类图像识别系统设计》2019.09.10
- 《表1 不同方法所取得的食物图像识别性能的比较》2019.06.01
- 《表1 1 HMM方法和本文所使用的PSL多层次分析方法在各层的平均F1值对比》2019.02.01
- 《表8 HMM方法下各层识别结果所对应的F1值》2019.02.01
- 《表1 网络中各层的参数设置》2019.12.25