《表1 实验环境及配置：番茄病害图像特征分析与识别》
提示：宽带有限、当前游客访问压缩模式
本实验针对样本颜色特征、边缘方向特征、混合特征进行识别。将颜色特征与边界方向直方图参数特征合成为一个向量。每种特征的识别准确率如表1。
| 图表编号 | XD00204565800 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.12.15 |
| 作者 | 张春艳 |
| 绘制单位 | 沈阳理工大学信息科学与工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 实验测试环境配置：基于卷积神经网络的中餐菜品名称成分识别》2020.06.01
- 《表3 识别率混淆矩阵：基于核相互子空间法的番茄叶部病害快速识别模型》2020.09.30
- 《表2 干扰物特征：图像数据处理机制在沥青道路裂缝病害识别算法训练中的应用》2021.03.28
- 《表1 实验环境与配置：基于章节段落的学术文献结构功能识别方法研究》2020.09.30
- 《表1 各类番茄图像数量：基于改进型YOLO的复杂环境下番茄果实快速识别方法》2020.06.25
- 《表1 实验环境表：基于深度学习的农作物病害叶片的图像超分辨率重建》2020.04.30
- 《表3 不同识别模型对比：基于深度残差网络的番茄叶片病害识别方法》2019.10.31
- 《表2 试验数据库：基于深度残差网络的番茄叶片病害识别方法》2019.10.31
- 《表1 网络参数：基于深度残差网络的番茄叶片病害识别方法》2019.10.31
- 《表2 实验软件环境：基于DSP的时频图像微弱信号识别系统设计》2020.01.01
- 《表2 实验环境配置：基于深度学习的单幅图像三维重建算法》2020.01.01
- 《表3 实验环境配置：用于图像超分辨率重构的深度学习方法综述》2019.09.01
- 《表1 实验环境配置：基于深度学习的复杂背景雷达图像多目标检测》2019.06.01
- 《表1 水稻病害特征描述：基于深度卷积神经网络的水稻病害图像识别研究》2019.03.01
- 《表4 基于纹理特征的番茄叶部病害识别模型的准确率和特征提取时间》2019.04.25
- 《表5 融合颜色与纹理特征的番茄叶部病害识别模型的准确率》2019.04.25
- 《表2 番茄叶部病害图像的纹理特征》2019.04.25
- 《表2 番茄叶部病害图像的纹理特征》2019.04.25
- 《表1 番茄叶部病害图像的颜色特征》2019.04.25
- 《表1 实验环境硬件配置：基于深度学习的无人机侦察图像目标识别》2019.10.10