《表6 SF-VGG与其他方法对比》
%
为进一步验证所提算法的性能,本文设计了两组对比实验。实验1中,使用文献[28]所提的阈值统一局部二值模式(Threshold Uniform Local Binary Patterns,TULBP)+BP (back propagation)神经网络太阳能电池缺陷检测方法、文献[29]所提的快速局部二值模式(Local Binary Patterns,LBP)木材缺陷检测方法,以及BP神经网络、SVM、VGG-16网络、SF两层网络共6种方法,与本文所提改进的SF-VGG实验结果进行比较,统计了以上7种方法的正检率及漏检率,结果如表6所示。
图表编号 | XD0067542800 严禁用于非法目的 |
---|---|
绘制时间 | 2019.08.01 |
作者 | 李宜汀、谢庆生、黄海松、姚立国、魏琴 |
绘制单位 | 贵州大学现代制造技术教育部重点实验室、贵州大学现代制造技术教育部重点实验室、贵州大学现代制造技术教育部重点实验室、贵州大学现代制造技术教育部重点实验室、贵州大学贵州省公共大数据重点实验室 |
更多格式 | 高清、无水印(增值服务) |