《表3 E205原料馏程：深度学习模型压缩方法在竹种分类中的应用研究》

  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

《深度学习模型压缩方法在竹种分类中的应用研究》

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

基于深度学习的竹种分类，对模型进行训练测试，结果见表3（第746页）．由表3可以看出不同竹种在VGGNet-16和AlexNet网络结构准确率都不同．野外影响因素太多，图片采集区域不够准确，影响模型压缩的质量．在自然光下采集的图片背景复杂，采集角度，太阳光照等因素等导致最后得到竹种识别率不高，其中绿槽毛竹分类效果较差，龟甲竹分类效果最好，与其拍摄竹种图片角度和龟甲竹其自身特点有很大关系．实验中主要拍摄了龟甲竹的杆，其杆粗者可达20余厘米，竹子形态像龟背，特征明显，分类效果相对较好．由于9种竹种差异很大，分类效果之间存在很大差异，使用方差检验，最好分类值与平均水平之间没有显著性差异．