《表2 识别准确率：基于卷积神经网络的少数民族头饰识别》
提示：宽带有限、当前游客访问压缩模式
另取头饰图片240张测试训练得到CNN模型的识别准确率，其总体识别率为96.25%，其中12类头饰的具体识别准确率如表2所示。
| 图表编号 | XD0030646500 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.02.15 |
| 作者 | 李荣瑞、施霖、赵薇 |
| 绘制单位 | 昆明理工大学信息工程与自动化学院、昆明理工大学信息工程与自动化学院、昆明理工大学信息工程与自动化学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 故障识别准确率：基于卷积神经网络的采煤机截割部传动系统故障识别》2020.10.01
- 《表3 最终实验准确率：基于非对称全局卷积神经网络的遥感图像识别方法》2020.11.25
- 《表3 CNN识别结果：基于机器学习与卷积神经网络的放电声音识别研究》2020.09.16
- 《表3 CNN识别结果：基于卷积神经网络的商品图像识别》2020.12.10
- 《表2 水泥化学成分：基于双卷积神经网络的虚假评论识别》2020.08.20
- 《表2.变更指数排序表：基于轻量型卷积神经网络的交通标志识别》2020.12.28
- 《表2 识别精度：基于卷积神经网络模型Faster R-CNN的遥感影像目标识别研究》2021.01.25
- 《表1 识别结果：基于深度卷积网络的对讲机个体识别》2020.06.28
- 《表4 识别率比较：基于卷积神经网络的表情识别》2020.04.25
- 《表2 训练参数设置：基于卷积神经网络的人脸表情识别》2020.06.01
- 《表3 基于卷积神经网络智能识别地图图片用时及准确率》2020.06.25
- 《表2 卷积层2：基于深度卷积生成对抗网络的图像识别算法》2020.04.01
- 《表2 模型的识别精度：基于迁移学习的卷积神经网络玉米病害图像识别》2020.02.25
- 《表2 不同深度卷积网络在ZF5和VGG16模型下的识别准确率》2020.03.08
- 《表2 参数说明：基于卷积神经网络的水表字符识别方法研究》2020.02.01
- 《表4 识别混淆矩阵：基于卷积神经网络的无人机图像模糊类型识别》2020.02.01
- 《表1 头饰识别结果：基于本体的唐卡图像标注方法》2020.01.01
- 《表2 卷积神经网络在树莓派运行的识别准确率数据表》2019.11.20
- 《表1 卷积神经网络在PC运行的识别准确率数据表》2019.11.20
- 《表1 识别算法结果对照：基于卷积神经网络的水稻纹枯病图像识别》2019.01.10