《表8 使用299×299像素图像本文网络与其他卷积神经网络分类性能的对比》
提示：宽带有限、当前游客访问压缩模式
在图像预处理后，输入本文提出的网络和其他网络在网络大小、不同尺寸下的网络训练时间、分类时间、分类准确率、精确率、召回率和F-Measure方面进行对比，结果见表5—表8。对比结果可以发现:
| 图表编号 | XD0048202400 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.01.10 |
| 作者 | 张玮、张华熊 |
| 绘制单位 | 浙江理工大学信息学院、浙江理工大学信息学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 土层物理力学性质：面向嵌入式的卷积神经网络图像分类算法》2020.10.20
- 《表1：基于TensorFlow的卷积神经网络图像分类实践策略研究》2020.03.28
- 《表3 反卷积和亚像素卷积对网络性能的影响(数据集为Set5，比例因子为4，初始学习率为10-5)》2021.01.20
- 《表2 反卷积和亚像素卷积对网络性能的影响(数据集为Set5，比例因子为4，初始学习率为10-4)》2021.01.20
- 《表4 模型性能指标对比：图像分类卷积神经网络的进化设计》2020.05.15
- 《表2 实验参数设置：图像分类卷积神经网络的进化设计》2020.05.15
- 《表1 实验环境设置：图像分类卷积神经网络的进化设计》2020.05.15
- 《表1 卷积网络参数：基于低像素人脸图像的表情识别》2020.05.25
- 《表5 人口变量、文化态度、媒介使用与“中国制造”评价的回归分析（N=299)》2020.07.15
- 《表5 本文网络与其他网络训练效果对比》2020.04.10
- 《表2 泛化性能对比：基于残差全卷积网络的图像拼接定位算法》2019.09.30
- 《表1 皮肤病图像数据集：深度卷积神经网络在皮肤病图像分类中的应用》2019.08.20
- 《表4 与其他模型对比：基于膨胀卷积神经网络模型的中文分词方法》2019.09.01
- 《表4 与其他模型对比：基于膨胀卷积神经网络模型的中文分词方法》2019.09.01
- 《表8 优化方案6：基于卷积神经网络的数字分类器的研究与优化》2019.08.15
- 《表2 与其他卷积神经网络的对比（图像分类错误率）》2019.08.15
- 《表1 实验结果对比：基于并行卷积神经网络的军事目标图像分类技术》2019.04.20
- 《表5 本文网络与其他卷积神经网络的比较》2019.01.10
- 《表7 使用384×384像素图像本文网络与其他卷积神经网络分类性能的对比》2019.01.10
- 《表6 本文网络与其他卷积神经网络的F-Measure比较》2019.01.10