《表4 不同方法对测试数据的识别结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于对困难样本迁移学习的烤烟分级特征表示》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

本文评估使用SVM或CNN执行分类的特征表示方法。第一个基线是单显示特征或用于估算的单个深层特征向量。深度特征向量是通过主动微调第二小节中提出的预训练网络而获得的。另一种是fine-DV，它是指模拟Deep Vision Technology Company提供的方法。EF-SVM/CNN在SVM或CNN上提取单个显示特征和分类；DF-SVM/CNN是指在修改后的AlexNet上提取fc6层特征（60维），Fine-AN是指直接微调AlexNet，其中fc6层和fc7层都具有4096个维度；EF+DF-SVM/CNN将显式和深度特征融合作为最终特征表示。不同方法的结果如表4所示。