《表2 测试集的细粒度分类结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于改进B-CNN的轨枕挡肩裂纹图像细粒度分类》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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。