《表3 迁移学习算法及模型对比》
提示：宽带有限、当前游客访问压缩模式
因此可以针对超声图像提出一个新的轻量级的网络模型，降低运算复杂度与运算成本，给更多的超声图像识别带来新的突破，也为更多的患者带来新的希望。
| 图表编号 | XD00201534200 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2021.02.15 |
| 作者 | 徐可文、许波、吴英、徐浩然 |
| 绘制单位 | 广东财经大学信息学院、广东财经大学信息学院、暨南大学附属第一医院超声科、广东财经大学信息学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 各模型对比结果：基于迁移学习的红外图像分类》2020.09.28
- 《表1 模型对比：基于迁移学习的红外图像分类》2020.09.28
- 《表3 不同模型训练结果：基于迁移学习的园艺作物叶部病害识别及应用》2021.03.05
- 《表7 角接触球轴承数据下不同迁移学习算法对比结果》2021.02.01
- 《表4 不同迁移学习算法对比测试结果》2021.02.01
- 《表1 基于迁移学习的模型效果对比》2021.03.01
- 《表1 传统机器学习算法及模型对比》2021.02.15
- 《表2 深度学习算法及模型对比》2021.02.15
- 《表2 模型对比结果：基于迁移学习与残差网络的矿工不安全行为识别》2020.03.01
- 《表3 模型分层验证：改进的知识迁移景点实体识别算法研究及应用》2020.05.25
- 《表3 模型参数设置：结合迁移学习模型的卷积神经网络算法研究》2020.03.01
- 《表2 目标域数据集：结合迁移学习模型的卷积神经网络算法研究》2020.03.01
- 《表1 源域数据集：结合迁移学习模型的卷积神经网络算法研究》2020.03.01
- 《表3 不同迁移学习CNN算法的对比》2020.02.25
- 《表1 算法性能对比：一种基于CNN迁移学习的井下烟、火智能感知预警系统》2020.03.15
- 《表4 集成迁移学习前后缺陷检测模型与其他方法的对比》2019.12.01
- 《表2 测试结果对比：基于混沌迁移的社会学习天牛群算法》2019.06.25
- 《表2 迁移学习模型与普通模型对比表》2019.08.25
- 《表1 迁移学习的分类：迁移学习研究和算法综述》2018.09.01
- 《表3 迁移学习模型结果对比》2019.12.01