研究文章
DeepLumina:一个方法基于深颜色纹理分类的特性和亮度信息
表5
精度获得DeepLumina方法基准纹理数据集手足口病。
|
|
RGB |
DeepLumina——方法 |
|
| Pretrained模型 |
RGB |
RGB+Y |
RGB+l |
RGB+V |
RGB+Y |
| 颜色空间 |
RGB(18] |
YCbCr |
l∗一个∗b∗ |
HSV |
YIQ |
|
| MobileNet +支持向量机 |
74.60 |
87.1 |
87.30 |
85.10 |
85.80 |
| ResNet50 +支持向量机 |
81.60 |
88.45 |
89.70 |
87.85 |
88.80 |
| ResNet101 +支持向量机 |
81.40 |
89.46 |
89.65 |
89.20 |
90.15 |
| DenseNet201 +支持向量机 |
80.75 |
88.83 |
87.38 |
87.46 |
89.17 |
| AlexNet +支持向量机 |
64.30 |
70.02 |
70.05 |
69.50 |
71.50 |
| VGG19 +支持向量机 |
78.10 |
80.40 |
81.65 |
79.35 |
81.68 |
| Inceptionv3 +支持向量机 |
76.60 |
88.70 |
88.15 |
87.55 |
89.80 |
| InceptionResNetv2 +支持向量机 |
82.20 |
88.75 |
90.01 |
90.03 |
90.05 |
|
|
|
手足口病的最佳值获得DeepLumina数据集以粗体表示。
|
