《表6 ECNN-2与VGG16模型性能指标对比》
提示：宽带有限、当前游客访问压缩模式
为了验证文中算法在车辆图像分类任务下的有效性与准确性，在相同的训练集、验证集、测试集下，将ECNN-2算法模型与VGG16算法模型进行对比测试，结果如表6和表7所示.
| 图表编号 | XD00174381800 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.05.15 |
| 作者 | 马永杰、刘培培 |
| 绘制单位 | 西北师范大学物理与电子工程学院、西北师范大学物理与电子工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表6 不同压缩方法在VGG-16 on CIFAR-10上的压缩效果》2021.01.01
- 《表3 原始算法与VGG 16改进算法的检测结果》2020.10.20
- 《表6 与其他加速器在VGG-16卷积层加速效果对比》2020.07.30
- 《表4 VGG-16卷积层加速性能》2020.07.30
- 《表2 各VGG16模型验证集准确率》2021.02.20
- 《表1 VGG16与Res Net卷积网络结构对比》2021.01.20
- 《表5 ECNN-2在不同分割率下的测试集性能》2020.05.15
- 《表1 在裂缝数据集AigleRN与CFD上Canny算子、VGG16、U-Net与提出模型性能对比》2020.05.01
- 《表2 AlexNet和VGG-16模型的分层迭代剪枝实验结果》2020.05.10
- 《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1 SSD算法、VGG-16以及R-CNN预测结果对比》2020.08.25
- 《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2 高通SNPE平台VGG16网络量化先后对比》2020.03.01
- 《表1 VGG16与19相关训练参数设定》2020.02.01
- 《表7 Alex Net和VGG16训练模型精度》2020.01.01
- 《表2 端到端VGG-16-LSTM模型优化结果》2019.09.15
- 《表6 PCNN和VGG16模型结构》2019.06.01
- 《表2 FFCN与FCN-VGG16系列模型精度比较》2019.01.16
- 《表1 3种基础网络VGG16、GoogleNet和Res Net模型对比》2019.02.01