《表2 分类算法对比结果：基于集成深度学习的玻璃缺陷识别方法》

  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

《基于集成深度学习的玻璃缺陷识别方法》

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

本文使用CNN网络特征提取优先于Gabor[16]特征提取（五尺度和八方向的40个过滤器）。由θ控制采样方向分别设置为0，\n\t\t\t\t\t\t。测试集和训练集跟上述训练参数一样，稀疏因子为30。实验结果如表3。这两种方法在识别玻璃缺陷方面都很有效，但本文方法表现的更好一点。