《表1 目标识别度对比：复杂网络大数据异构多模态目标识别方法研究》
提示：宽带有限、当前游客访问压缩模式
实验中，实验组与对照组分别对相同数据进行目标识别，其目标识别度对比结果，如表1所示：
| 图表编号 | XD00100349300 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.09.01 |
| 作者 | 孟庆玉 |
| 绘制单位 | 永城职业学院电子信息工程系 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表5 目标特性知识：一种弹道目标识别数据库构建方法》2020.08.01
- 《表1 数据集划分：基于混合核深度适配网络的HRRP目标识别》2020.12.01
- 《表9 分别使用NLPIR和本文方法的目标欲识别实体和实际被识别实体数据对比》2020.12.01
- 《表2 识别精度：基于卷积神经网络模型Faster R-CNN的遥感影像目标识别研究》2021.01.25
- 《表2 三次实验结果对比：基于广度学习的异构社交网络敏感实体识别模型研究》2020.06.24
- 《表1 目标识别数据集：基于改进深度卷积生成对抗网络的路面指示标志识别方法》2020.06.28
- 《表1 网络框架：基于改进YOLOv2模型的多目标识别方法》2020.05.25
- 《表6 模型性能对比表：轻量级目标识别深度神经网络及其应用》2020.09.15
- 《表1 4种方法分别在小、中、大目标图片的识别性能比较》2020.03.26
- 《表3 支路网络对比：基于分离卷积的战场目标聚集行为识别》2020.03.28
- 《表4 常见数据增强技术：卷积神经网络在雷达自动目标识别中的研究进展》2020.01.01
- 《表2 节点重要度排序：基于最小连通支配集的复杂网络关键节点与连边识别方法》2019.11.01
- 《表1 网络结构参数：铁路桥梁裂缝位置识别与目标检测方法探讨》2019.10.01
- 《表1 模拟数据示例：基于卷积神经网络的雷达目标航迹识别研究》2019.09.01
- 《表3 识别率比较：水下目标多模态深度学习分类识别研究》2019.07.01
- 《表2 识别率比较：水下目标多模态深度学习分类识别研究》2019.07.01
- 《表1 识别率比较：水下目标多模态深度学习分类识别研究》2019.07.01
- 《表2 高阶谱方法识别率：基于卷积神经网络的水声目标分类技术》2019.02.20
- 《表3 目标信息：基于多基因遗传算法的异构多无人机协同任务分配》2019.02.01
- 《表1 实验数据对比：UAV/UGV协同环境下的目标识别与全局路径规划研究》2019.01.06