《表3 算法对比：面向SAR目标分类的卷积神经网络算法研究》
提示：宽带有限、当前游客访问压缩模式
本文算法最终分类准确率为94.87%。通过比较不同的算法模型，验证本文算法的有效性。模型参数及分类准确率如表3所示。
| 图表编号 | XD007418900 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2018.07.15 |
| 作者 | 侯宇超、白艳萍、郝岩、张明星 |
| 绘制单位 | 中北大学理学院、中北大学理学院、中北大学理学院、中北大学理学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 实验结果对比：基于卷积神经网络的电力杆塔图像智能识别算法研究》2020.09.25
- 《表3 模型对比：基于深度卷积神经网络模型和XGBoost算法的齿轮箱故障诊断研究》2020.10.15
- 《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 模型性能对比：基于卷积神经网络的手势识别算法研究》2021.01.20
- 《表3 不同方法的AP值：基于特征融合卷积神经网络的SAR图像目标检测方法》2020.04.01
- 《表2 不同算法结果对比：基于深度卷积神经网络的遥感图像目标检测方法》2020.05.25
- 《表1 对比表：基于卷积神经网络的电力杆塔图像识别学习算法研究》2020.06.25
- 《表2 部分卷积神经网络：深度卷积神经网络的目标检测算法综述》2020.09.01
- 《表4 测试样本信息：基于卷积神经网络的京杭大运河遥感影像水质分类算法研究》2020.02.10
- 《表2 目标域数据集：结合迁移学习模型的卷积神经网络算法研究》2020.03.01
- 《表3 算法性能对比表：基于RetinaNet的SAR图像舰船目标检测》2020.02.25
- 《表1 各分类算法的比较：基于卷积神经网络的先心病心音信号分类算法》2019.10.25
- 《表3 算法对比实验：基于多尺度特征卷积神经网络的目标定位》2019.08.15
- 《表3 跟踪算法的速度：基于正则化卷积神经网络的目标跟踪算法》2019.06.25
- 《表1 中心位置误差：基于正则化卷积神经网络的目标跟踪算法》2019.06.25
- 《表2 重叠率：基于正则化卷积神经网络的目标跟踪算法》2019.06.25
- 《表1 目标检测结果：一种面向机载SAR图像的目标检测算法》2019.03.18
- 《表1 传统目标跟踪与卷积神经跟踪算法比较》2018.03.01
- 《表1 实验数据集：面向SAR目标分类的卷积神经网络算法研究》2018.07.15
- 《表3 SAR图像目标检测算法性能对比》2019.10.01