《表4 PaviaU测试集上几种不同的方法分类精度》
提示：宽带有限、当前游客访问压缩模式
综合上述实验，本文基于贝叶斯卷积神经网络的主动学习方法在高光谱图像分类中效果是比较理想的。
| 图表编号 | XD0090186300 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.09.15 |
| 作者 | 杨承文、李吉明、杨东勇 |
| 绘制单位 | 浙江工业大学信息工程学院、浙江警察学院、浙江警察学院、浙江工业大学信息工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表4 在TID2013数据集上几种算法的性能比较》2020.11.10
- 《表3 在TID2008数据集上几种算法的性能比较》2020.11.10
- 《表3 不同算法在PaviaU的分类精度》2020.04.05
- 《表4 不同方法在KITTI测试集上的检测结果》2020.06.01
- 《表2 PaviaU数据集中各类地物在不同算法下的分类精度》2020.03.25
- 《表4 在3个数据集上几种图像标注方法的性能比较》2020.02.01
- 《表4 第一组数据集上不同方法在不同分类器下的分类性能》2020.01.01
- 《表2 Pavia University数据集上不同方法的分类精度和运行时间对比》2020.04.10
- 《表4 Pavia University数据集上在不同深度学习分类方法的分类精度和运行时间对比》2020.04.10
- 《表3 Indian Pines数据集上不同深度学习分类方法的分类精度和运行时间对比》2020.04.10
- 《表1 Indian Pines数据集上不同方法的分类精度和运行时间对比》2020.04.10
- 《表1 几种方法在PASCAL VOC2012测试集上的性能对比》2020.01.01
- 《表4 几种方法在ZJU数据集上的表现结果》2019.11.01
- 《表5 PaviaC测试集上几种不同的方法分类精度》2019.09.15
- 《表2 PaviaU测试集的分类精度》2019.09.15
- 《表2 不同方法在CIFAR-10数据集上的分类精度》2019.08.01
- 《表4 不同方法在Indian Pines数据集上的分类精度》2019.05.10
- 《表4 不同方法在舰船测试集上的实验结果》2019.06.01
- 《表3 几种方法实验结果对比 (a) 训练集与测试集精度》2019.04.01
- 《表3 各分类方法在UC Merced land-use数据集上的分类精度》2019.12.05