《表3 不同训练方法的识别率》
提示：宽带有限、当前游客访问压缩模式
对比是否使用迁移学习进行训练的结果，如表3所示。
| 图表编号 | XD00183155600 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.12.20 |
| 作者 | 吉训生、谭凯凯 |
| 绘制单位 | 江南大学物联网工程学院、江南大学物联网工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表4 不同方法使用不同训练集在3DProj-Sur数据集上的识别率》2020.11.05
- 《表3 不同方法使用不同训练集在EK-LFH数据集上的识别率》2020.11.05
- 《表3 不同模型训练结果：基于迁移学习的园艺作物叶部病害识别及应用》2021.03.05
- 《表1 不同训练集比例下不同方法识别精度比较》2020.11.16
- 《表3 模型训练设置表：基于LSTM的《红楼梦》文本风格分界点识别方法》2020.08.01
- 《表3 实验数据训练结果（不同识别模式的动作识别率）》2020.07.15
- 《表1 训练集样本：基于多尺度和特征融合的肺癌识别方法》2020.05.16
- 《表3 柑橘花朵识别模型中不同训练模式的性能差异对比》2020.04.01
- 《表1 训练结果对比：人体活动识别数据集的数据处理方法》2020.03.01
- 《表2 训练参数：多特征融合的鸟类物种识别方法》2020.03.01
- 《表3 在自建人脸库中不同数量训练数据的识别准确率》2020.06.01
- 《表3 神经网络训练结果：基于迁移学习的植物花朵图像识别方法》2020.03.01
- 《表7 两种方法不同训练样本的缺陷识别准确率》2019.12.25
- 《表3 不同模式识别框架的平均识别正确率和训练时间》2020.02.10
- 《表3 Pho Tex纹理库不同训练样本数下各算法识别率对比》2019.07.28
- 《表2 模型训练过程：基于深度神经网络的网络安全实体识别方法》2019.01.30
- 《表2 训练参数：基于级联端对端深度架构的交通标志识别方法》2019.04.25
- 《表3 不同平台训练时间：基于AlexNet模型的雷达信号调制类型识别》2019.05.01
- 《表3 在不同样本数量下训练时间和正确识别率对比》2019.01.10
- 《表3 不同情况的训练样本所对应的识别结果》2018.07.01