《表4 不同算法在NORB中的准确率》

  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

《结合超限学习机和融合卷积网络的3D物体识别方法》

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

为了进一步验证CCN-ELM的性能．本文在NORB数据集上也进行了测试．NORB数据集包含24300张图片．它是3D物体的图像识别数据集．拍摄者从不同的角度对5大类别（4条腿的动物、人像、飞机、卡车、小汽车）中的模型进行图像拍摄．拍摄采用了2个照相机，6种不同的光照条件，9个特定的拍摄角度，18个仰角．每张样本图片经过镜像变换扩充为两张图片．每张图片经过了压缩，分辨率为32×32．本文使用6层4通道的CCN-ELM网络，识别的准确率达到了96.32%．本文的方法和其他方法的实验结果比较如表4所示．CCN-ELM网络在NORB上的表现也优于其他的网络．