《表3 迁移学习前后识别率对比》
提示：宽带有限、当前游客访问压缩模式
利用迁移学习，可以使模型对于难分类样本的行人检测更具准确性，具体提升如表3所示。
| 图表编号 | XD00189212500 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.10.20 |
| 作者 | 朱玉华、陆建峰 |
| 绘制单位 | 南京理工大学、南京理工大学 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《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7 在波恩数据集上与3种迁移学习方法的识别准确率(%)比较》2020.12.20
- 《表6 在波恩数据集上与3种非迁移学习方法的识别准确率比较》2020.12.20
- 《表3 水质分析统计表：基于迁移学习和R-FCN的电力设备红外图像识别算法》2021.01.20
- 《表3 识别结果对比：基于迁移学习与残差网络的矿工不安全行为识别》2020.03.01
- 《表2 模型对比结果：基于迁移学习与残差网络的矿工不安全行为识别》2020.03.01
- 《表2 识别结果对比：基于深度迁移学习的家用电器识别研究》2020.06.20
- 《表1 结果对比：基于深度迁移学习的家用电器识别研究》2020.06.20
- 《表3 词向量训练参数表：基于混合采样与迁移学习的患者评论识别模型》2020.03.25
- 《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6 综合实验结果对比：肝癌患者在线提问的命名实体识别研究:一种基于迁移学习的方法》2019.12.25
- 《表3 模型参数设置：肝癌患者在线提问的命名实体识别研究:一种基于迁移学习的方法》2019.12.25
- 《表2 不同学习率对比：基于迁移学习的GoogLenet煤矸石图像识别》2019.12.15
- 《表4 集成迁移学习前后缺陷检测模型与其他方法的对比》2019.12.01
- 《表3 经深度迁移学习后的入侵事件识别结果》2019.08.01
- 《表3 数据集标签：基于迁移学习和AlexNet的驾驶员行为状态识别方法》2019.10.08
- 《表3 实验3结果：Trans-NER:一种迁移学习支持下的中文命名实体识别模型》2019.08.01
- 《表2 树叶类别：基于迁移学习的树种识别》2019.09.01
- 《表1 树干类别：基于迁移学习的树种识别》2019.09.01
- 《表1 迁移策略验证结果：基于残差网络迁移学习的花卉识别系统》2019.01.01