《表3 池化性能比较：基于权重池的多尺度图像质量评估方法》
提示：宽带有限、当前游客访问压缩模式
本文的网络会同时使用最大池化和最小池化过程，为了验证两种池化的效果，进行了消融实验，表3显示了同时使用两种池化能有效地提升SROCC/LCC值，增强网络模型的可解释性。
| 图表编号 | XD00201526000 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2021.02.01 |
| 作者 | 朱惠娟、宗平、丛玉华 |
| 绘制单位 | 南京理工大学紫金学院计算机学院、南京理工大学紫金学院计算机学院、南京理工大学紫金学院计算机学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 平均分割精度：一种基于YOLO的多尺度融合图像分割模型》2021.01.25
- 《表2 LCC性能对比：基于权重池的多尺度图像质量评估方法》2021.02.01
- 《表2 实验方法对比：基于多尺度特征融合的水果图像识别算法研究》2021.02.01
- 《表3 实验所用图像：一种基于多尺度极值的快速自适应二维经验模式分解方法》2020.03.01
- 《表1 重要性比较尺度：基于AHP-FCE的汽车质量影响因素评估》2020.06.10
- 《表5 网络模型简称含义：基于多特征融合的多尺度服装图像精准化检索》2020.04.01
- 《表2 服装款式部件分类：基于多特征融合的多尺度服装图像精准化检索》2020.04.01
- 《表1 不同池化压缩结果：多尺度显著区域检测图像压缩》2020.01.16
- 《表2 成像质量评估：基于时频联合尺度变换的中轨SAR斜视成像方法》2020.02.01
- 《表3 各种图像质量评估方法的运行时间比较》2019.11.01
- 《表4 图像质量评分：基于多尺度局部边缘保持滤波的X射线图像色调映射算法》2019.10.08
- 《表5 疲劳检测实验结果：基于多尺度池化卷积神经网络的疲劳检测方法研究》2019.11.01
- 《表3 算法性能效果对比：基于全卷积神经网络的多尺度人脸检测》2019.10.25
- 《表1 主观质量评价尺度：基于无参考图像质量评价的反卷积去模糊算法》2019.08.01
- 《表3 k均值聚类评级：基于模糊小波聚类混合的多目标覆盖质量评估方法》2019.06.01
- 《表2 环境参数：基于模糊小波聚类混合的多目标覆盖质量评估方法》2019.06.01
- 《表5 各图像质量评估测度在7个数据库中的综合性能比较》2019.05.25
- 《表3 各图像质量评估测度性能比较》2019.05.25
- 《表1 不同方法性能比较：基于多尺度广义模糊算子的红外图像背景抑制》2019.02.01
- 《表3 基于流域的降水产品月尺度质量评估》2018.11.01