《表3 Oxfordflower102上不同分类算法准确率比较》
提示：宽带有限、当前游客访问压缩模式
从表中可以看出，在花卉图像的识别方面，采用卷积神经网络的方式比传统的特征提取方式的准确率提升约20%～30%左右，能取得相对较好的效果，提高花卉识别系统的识别准确率。
| 图表编号 | XD00192444300 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2021.01.15 |
| 作者 | 颜琪 |
| 绘制单位 | 电子科大成都学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表6 在FEI数据集上不同算法的准确性比较》2020.06.01
- 《表5 在AR数据集上不同算法的准确性比较》2020.06.01
- 《表1 各算法在不同分类上的正确率》2020.12.10
- 《表2 各算法在Na6ve Bayes分类器上分类准确率对比(%)》2019.11.01
- 《表4 各算法在3NN分类器上分类准确率对比(%)》2019.11.01
- 《表3 各算法在SVM分类器上分类准确率对比(%)》2019.11.01
- 《表4 各种分类算法在不同数据集上分类AUC值比较》
- 《表2 Oxfordflower17上不同分类算法准确率比较》2021.01.15
- 《表6 不同算法在NIST-DB04上4分类和5分类准确率》2020.05.15
- 《表3 不同分类器在不同特征上的分类准确率》2020.07.01
- 《表4 不同算法对不同攻击数据的分类准确率比较》2020.06.16
- 《表3 不同算法细粒度分类准确率对比》2020.10.15
- 《表4 不同分类器算法的准确率比较》2020.04.01
- 《表3 不同数据集上不同算法对齐准确率的对比》2020.01.30
- 《表3 各算法在10个数据集上所有平均分类准确率的最大值》2019.10.20
- 《表2 各算法在10个数据集上所有平均分类准确率的平均值》2019.10.20
- 《表4 不同算法在WDS数据集上各类别的分类准确率》2019.09.01
- 《表3 不同算法在UC数据集上各类别的分类准确率》2019.09.01
- 《表3 不同算法分类准确率比较》2019.08.25
- 《表4 不同算法分类准确率性能比较》2019.12.01