《表3 测试集缺陷识别结果》
提示：宽带有限、当前游客访问压缩模式
完成CNN模型训练后，选取120张图像作为测试集进行测试，其中每类缺陷20张，得到缺陷识别结果如表3所示。由表3可知，基于CNN方法对每类缺陷的识别率都达到了100%。
| 图表编号 | XD006593500 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.11.10 |
| 作者 | 周明浩、朱家明 |
| 绘制单位 | 上海理工大学机械工程学院、上海理工大学机械工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 多种算法测试结果：基于多尺度轻量级卷积网络的PCB裸板缺陷识别算法》2020.10.28
- 《表3 测试集结果对比：深度学习目标检测算法在货运列车车钩识别中的应用》2020.10.01
- 《表3 测试集结果：基于深度学习的加密网络流量识别方法研究》2021.01.10
- 《表4 测试集视频识别结果》2021.01.16
- 《表3 ClassRecognition测试集超分辨率重建人脸识别实验结果》2020.11.01
- 《表1 测试集识别分类结果》2018.03.30
- 《表1 摩擦系数测试结果：基于深度学习的磁瓦表面孔洞和裂纹缺陷识别》2020.11.25
- 《表3 测试集实验结果：基于智能视频图像分析的安全帽识别》2020.05.16
- 《表3 测试集结果：基于FPGA的快速樱桃缺陷检测与识别系统设计》2020.08.01
- 《表5 多特征量阈值识别方法识别3种测试件缺陷类型的识别结果》2020.03.25
- 《表6 不同训练集和测试集的识别结果》2020.03.23
- 《表2 测试集图像识别结果混淆矩阵》2020.01.01
- 《表4 测试集不同缺陷类型识别率》2019.09.28
- 《表5 测试集缺陷检测结果》2019.08.01
- 《表5 测试集缺陷检测结果》2019.08.01
- 《表1 测试结果：X射线影像识别技术在GIS缺陷诊断中的作用》2019.06.16
- 《表3 不同模型在舰船测试集上的识别结果》2019.06.01
- 《表3 测试集手机识别率结果表》2019.04.01
- 《表4 70%∶30%情况下测试集识别结果》2018.12.01
- 《表6 测试集目标识别结果》2019.10.01