《表2 SVM支持向量构成》
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
《基于样本倍增、深度神经网络与SVM的少样本图像识别技术》
利用YOLO训练得到的权重,通过测试可以得到测试样本集B3的目标类型、识别概率、目标长宽比,以及通过特征算子可以提取目标姿态、目标SIFT特征点等信息。这些信息共同构成多维支持向量输入,测试样本集B3的真实类型作为SVM支持向量机的输出,对SVM开展训练。训练完成后,可以使用训练好的SVM对原始的测试样本集A3进行识别。SVM支持向量构成见表2。
图表编号 | XD00192269700 严禁用于非法目的 |
---|---|
绘制时间 | 2020.09.01 |
作者 | 秦俊举、曹选平、夏校朋 |
绘制单位 | 成都纺织高等专科学校机械工程学院、成都纺织高等专科学校机械工程学院、电子信息控制重点实验室 |
更多格式 | 高清、无水印(增值服务) |