《表4 深度学习的分类方法比较》
提示：宽带有限、当前游客访问压缩模式
基于深度学习应用上的研究进展，对影像分类进行方法上的比较分析，从方法原理、分类效果及方法优缺点这些方面做了简单的概括。如表4所示。
| 图表编号 | XD00201500500 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2021.02.01 |
| 作者 | 胡杰、张莹、谢仕义 |
| 绘制单位 | 广东海洋大学数学与计算机学院、广东海洋大学数学与计算机学院、广东海洋大学数学与计算机学院、湛江湾实验室南海渔业大数据中心 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表4 初始训练参数：基于深度学习的糖尿病视网膜分类方法研究》2020.10.15
- 《表1 训练样本分类：基于深度学习的城市轨道交通信号系统入侵检测方法》2021.01.01
- 《表1 不同方法性能对比：基于融合先验知识的肺结节深度学习分类方法》2021.03.10
- 《表1 不同算法实验对比：基于深度学习的高分遥感影像分类方法研究》2021.02.05
- 《表3 分类结果混淆矩阵：代码向量深度学习的恶意Android应用检测方法》2021.02.05
- 《表1 基于深度学习的高光谱图像分类方法总结》2021.02.15
- 《表2 不同特征集合分类：融合不精准先验知识的Landsat 8 OLI影像深度学习分类方法》2020.12.10
- 《表2 故障分类表：基于广义深度学习的含DG配网故障诊断方法》2020.11.25
- 《表2 深度迁移学习的分类方法》2020.11.01
- 《表1 预训练模型参数：基于深度学习的难分类样本行人检测方法》2020.10.20
- 《表2 训练模型参数：基于深度学习的难分类样本行人检测方法》2020.10.20
- 《表1 评测表：基于深度学习的医药专利标签分类方法》2020.05.01
- 《表1 基于深度学习的乳腺病理图像分类方法总结》2020.07.01
- 《表1 分类器参数设置表：一种基于深度强化学习的电网潮流特征提取方法》2020.03.25
- 《表4 Pavia University数据集上在不同深度学习分类方法的分类精度和运行时间对比》2020.04.10
- 《表3 Indian Pines数据集上不同深度学习分类方法的分类精度和运行时间对比》2020.04.10
- 《表1 ML和深度学习分类方法分类结果混淆矩阵》2019.06.25
- 《表2 分类算法对比结果：基于集成深度学习的玻璃缺陷识别方法》2019.02.25
- 《表3 CNN网络模型：基于深度学习的图像分类方法》2018.06.06
- 《表3 实验结果：DeepEye:一个基于深度学习的程序化交易识别与分类方法》2018.09.15