《表7 联合自编码任务模型在多参考评测集上的评测结果》
提示：宽带有限、当前游客访问压缩模式
同样地，我们利用带有多个参考的评测集进行评测，评测结果如表7所示。
| 图表编号 | XD00193214700 严禁用于非法目的 |
|---|---|
| 绘制时间 | |
| 作者 | 王雅松、刘明童、马彬彬、张玉洁、徐金安、陈钰枫 |
| 绘制单位 | 北京交通大学计算机与信息技术学院、北京交通大学计算机与信息技术学院、北京交通大学计算机与信息技术学院、北京交通大学计算机与信息技术学院、北京交通大学计算机与信息技术学院、北京交通大学计算机与信息技术学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表6 在多视图数据集上的ACC和NMI》2020.11.01
- 《表7 几种不同模型在Flickr30k数据集上的面向具体任务的性能比对》2021.02.01
- 《表8 联合自编码任务的正序和逆序解码生成的汉语复述实例》
- 《表6 联合自编码任务模型的汉语复述生成评测结果》
- 《表5 多机制融合模型的汉语复述多参考评测集结果》
- 《表7 不同模型在2个数据集上的二分类实验结果对比》2020.06.01
- 《表7 词嵌入投影模型在中文数据集上的综合评测（单位：%）》2020.05.01
- 《表6 词嵌入投影模型在英语领域数据集上的精准度评测》2020.05.01
- 《表5 词嵌入投影模型在英语通用数据集上的精准度评测》2020.05.01
- 《表2 联合识别模型在ATIS数据集上的NLU性能结果》2020.07.15
- 《表5 hard-SSPCA和SSPCA在多类UCI数据集上的性能比较》2020.05.01
- 《表1 单任务训练与多任务训练在测试集上的表现》2020.05.25
- 《表7 融合模型在测试集上的结果》2020.03.01
- 《表2 基于逐像素作差损失与基于感知损失的多任务联合学习的人脸超分辨网络在Celeb A测试集上的重建效果对比》2020.02.16
- 《表1 单任务人脸超分辨网络与多任务联合学习的人脸超分辨网络在Celeb A测试集上的重建效果对比》2020.02.16
- 《表3 使用平行语料训练WMT 2018QE任务中德语→英语语言方向验证集上的结果》2020.03.28
- 《表3 各空谱联合算法在三种数据集上的分类结果》2020.01.25
- 《表7 多个网络模型在ImageNet数据集上的结果》2019.08.15
- 《表1 传统的稀疏自动编码机和改进的稀疏自动编码机在Scene-15数据集上的实验结果》2019.01.15
- 《表1 本文算法与对比算法在多光谱显著性检测数据集上的性能比较Tab.1 Performance of competing methods and our model on multispectal saliency dataset》2018.06.01