《表3 Camelyon16数据上不同模型的评估结果》
提示：宽带有限、当前游客访问压缩模式
从表3中可以看出，与CNN模型相比，C-GCN在组织病理图像的癌症分类任务中也能够获得较高的分类准确率。
| 图表编号 | XD00189009000 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.12.15 |
| 作者 | 崔浩阳、丁偕、张敬谊 |
| 绘制单位 | 万达信息股份有限公司数据智能部、万达信息股份有限公司数据智能部、万达信息股份有限公司数据智能部 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 不同模型在SNLI、Multi NLI及Quora Question Pairs数据集上的评估结果》2020.10.24
- 《表7 不同时间段的数据在模型上的评估》2021.01.25
- 《表3 以MAP和Precision@top100作为评估标准,在Image Net数据集上不同哈希方法的对比结果》2021.02.20
- 《表2 以MAP和Precision@top100作为评估标准,在CIFAR-10数据集上不同哈希方法的对比结果》2021.02.20
- 《表1 以MAP和Precision@top100作为评估标准,在MNIST数据集上不同哈希方法的对比结果》2021.02.20
- 《表3 传统服饰纹样数据集上不同模型对比结果》2021.01.01
- 《表1 Camelyon16数据集的图像块数量》2020.12.15
- 《表7 使用不同数据集构建模型的评估结果》2020.07.15
- 《表4 在LUNA16数据集上不同方法时间复杂度的对比》2020.05.16
- 《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1 2 不同模型在远程监督数据上的实验结果》2020.07.20
- 《表3 TSD数据集上不同拟合模型的结果》2020.07.10
- 《表3 在Maps数据集上不同方法的质量评估》2020.01.01
- 《表7 第3组数据集上不同软件可靠增长模型的比较结果 (80%故障数据)》2019.06.01
- 《表6 第3组数据集上不同软件可靠增长模型的比较结果 (60%故障数据)》2019.06.01
- 《表4 第2组数据集上不同软件可靠增长模型的比较结果 (63%故障数据)》2019.06.01
- 《表3 第1组数据集上不同软件可靠增长模型的比较结果 (80%故障数据)》2019.06.01
- 《表2 第1组数据集上不同软件可靠增长模型的比较结果 (63%故障数据)》2019.06.01
- 《表3 不同样本集上电荷模型的评估指标对比》2019.06.01
- 《表2 不同模型VOC 07数据上的检测结果》2019.02.15