《表2 测试集的细粒度分类结果》
为了验证改进B-CNN模型的有效性,将其与B-CNN模型和VGG-D模型进行比较。使用假阳性率(FPR)和假阴性率(FNR)对三种模型在测试集上对每一类的细粒度分类情况进行比较,结果如表2所示。FPR指错误被分类到特定类别裂纹图像数量占其他类别图像数量之和的比率,FNR指错误被分类到其他类别裂纹图像数量占当前类别图像数量的比率。
图表编号 | XD00188248600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.07.25 |
作者 | 李启南、孙海鑫、孙可佳 |
绘制单位 | 兰州交通大学电子与信息工程学院、兰州交通大学电子与信息工程学院、兰州交通大学电子与信息工程学院 |
更多格式 | 高清、无水印(增值服务) |