《表2 迁移不同网络模型在干净图像数据集上的识别效果》
提示：宽带有限、当前游客访问压缩模式
综上，在本文的情境下Efficient Net-B0无论是在运算速度还是在鲁棒性上，都是最适合用作分级系统设计的网络，并且能够为其他工业生产领域提供借鉴的经验。
| 图表编号 | XD00226992800 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.09.15 |
| 作者 | 高竟博、李晔、杜闯 |
| 绘制单位 | 南京邮电大学自动化学院、南京邮电大学自动化学院、南京邮电大学自动化学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表4 迁移不同网络模型在椒盐噪声数据集上的识别效果》2020.09.15
- 《表3 迁移不同网络模型在高斯噪声数据集上的识别效果》2020.09.15
- 《表3 图像经CLAHE处理后不同模型在测试集上的识别准确率》2020.12.01
- 《表2 不同模型在测试集上的识别准确率》2020.12.01
- 《表1 不同聚合方式下利用双流模型在HMDB51数据集上的识别效果》2021.02.05
- 《表2 与其他图像生成模型在不同数据集上的SSIM和IS比较》2020.07.25
- 《表2 不同模型在各测试集上的识别结果》2020.06.01
- 《表1 不同模型在本文数据集上的识别效果对比》2020.05.10
- 《表2 联合识别模型在ATIS数据集上的NLU性能结果》2020.07.15
- 《表3 Kinetics数据集上不同剪辑在18层R(2+1)D模型上的训练时间与识别精度》2020.05.01
- 《表1 不同网络模型在各数据集上人脸识别准确率》2020.09.20
- 《表1 分割网络在不同数据集上训练的模型在测试集上的测试结果(%)》2020.01.30
- 《表3 不同模型在典型点云数据集上的分割效果》2020.02.25
- 《表2 双流网络及其衍生行为识别方法在UCF-101和HMDB51数据集上的性能比较》2019.12.20
- 《表4 其他优秀网络行为识别方法在UCF-101和HMDB51数据集上的性能比较》2019.12.20
- 《表2 本文模型在不同数据集上的识别率》2019.10.01
- 《表3 在IRIS热红外/可见光图像数据集上的平均识别率》2019.09.15
- 《表2 在AT&T图像数据集上的平均识别率》2019.09.15
- 《表1 在GT图像数据集上的平均识别率》2019.09.15
- 《表4 注意力模型在不同数据集上的效果》2019.06.16