《表6 SF-VGG与其他方法对比》

  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

《基于卷积神经网络快速区域标定的表面缺陷检测》

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

%

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。