《表2 参数对模型的影响：基于深度学习的远程视频监控异常图像检测》
提示：宽带有限、当前游客访问压缩模式
为了得到最佳的网络参数组合，本文通过调节变量，具体包括卷积核大小、学习率的大小、激活函数的种类等，考察这些参数对模型的影响。实验结果如表2所示。
| 图表编号 | XD00191532200 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2021.02.28 |
| 作者 | 杨亚虎、王瑜、陈天华 |
| 绘制单位 | 北京工商大学人工智能学院、北京工商大学人工智能学院、北京工商大学人工智能学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 模型识别精度对比：基于深度学习的无人机拍摄图像绝缘子目标检测》2020.10.25
- 《表1 模型的参数设置：基于深度学习的MOOC作弊行为检测研究》2021.01.01
- 《表2 子栅格信息表：基于深度学习的行驶视觉图像分割模型设计》2020.10.25
- 《表2 实验检测结果：基于深度学习的图像检索技术的实现》2020.11.01
- 《表2 视频输入算法测试：基于深度学习的多维疲劳驾驶检测系统》2020.12.05
- 《表2 电热耦合模型参数：基于深度学习的图像语义分割算法研究》2020.12.31
- 《表1 网络结构参数：基于深度学习的远程视频监控异常图像检测》2021.02.28
- 《表3 测试集表现：基于深度学习的远程视频监控异常图像检测》2021.02.28
- 《表2 训练模型参数：基于深度学习的难分类样本行人检测方法》2020.10.20
- 《表4 数值模型参数：基于深度学习的海上目标快速检测方法》2020.11.25
- 《表2 三种建模方法对比：一种基于深度学习的网络异常行为检测方法》2020.08.01
- 《表1 图像增强方式：基于深度学习的风机叶片裂纹检测算法》2020.05.01
- 《表2 实验环境：基于深度学习的轻量遥感图像车辆检测模型》2020.06.25
- 《表1 网络结构：基于深度学习的轻量遥感图像车辆检测模型》2020.06.25
- 《表4 算法评价指标：基于形态检测与深度学习的高空视频车辆识别》2019.12.01
- 《表1 模型各层参数：基于深度学习的入侵检测研究》2019.06.15
- 《表1 模型比较：基于深度学习的视频跟踪研究进展综述》2019.05.15
- 《表2 混淆矩阵：基于深度迁移学习的烟雾图像检测》2019.04.01
- 《表2 检测时间：基于深度学习的图像实例分割》2019.02.01
- 《表2 处理精度对比：基于深度学习的远程激光图像特征动态跟踪》2019.02.25