《表2 不同通道数的CCN-ELM在ModelNet10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

对于提出的网络模型，全部使用融合卷积单元和部分组合融合卷积单元均在ModelNet10上取得了90%以上的准确率，最高达到了92.86%，在ModelNet40中的识别率最高达到了88.67%．实验显示，CCN-ELM网络相比现有的卷积神经网络和深度残差网络效果更好，而且训练时间更短．不同通道数对应的测试结果如表2所示（6层融合卷积网络）．由实验结果可知，通道数越多，识别效果越好．CCN-ELM的实验结果和其他算法的结果比较如表3所示．