《表5 模型分类：卷积神经网络行为克隆方法在无人车上的研究》
提示：宽带有限、当前游客访问压缩模式
针对智能小车，本文采用的卷积神经网络框架如表5所示。其中输入层为RGB图像与车辆自身状态信息，包括转角与速度。
| 图表编号 | XD00112649700 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.11.15 |
| 作者 | 席阿行、赵津、周滔、胡秋霞 |
| 绘制单位 | 贵州大学机械工程学院、贵州大学机械工程学院、贵州大学机械工程学院、贵州大学机械工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 诊断结果比较：基于一维卷积神经网络焊缝缺陷X射线图像的分类方法研究》2020.10.15
- 《表2 4种深层卷积神经网络的模型参数及其在ImageNet数据集的分类精度》2020.06.25
- 《表4 模型准确率：基于深度卷积神经网络的塑料垃圾分类研究》2020.04.25
- 《表3 模型准确率：基于深度卷积神经网络的塑料垃圾分类研究》2020.04.25
- 《表2 模型准确率：基于深度卷积神经网络的塑料垃圾分类研究》2020.04.25
- 《表1 心拍类别分布：基于金字塔卷积结构的深度残差网络心电信号分类方法研究》2020.08.25
- 《表2 不同模型性能对比：基于非结节自动分类的二维卷积网络在肺结节检测假阳性减少中的应用》2020.08.01
- 《表5 U型全卷积神经网络模型水质分类结果混淆矩阵（数据集2)》2020.03.01
- 《表3 C3D卷积网络及其衍生行为识别方法在UCF-101和HMDB51数据集上的性能比较》2019.12.20
- 《表4 训练模型损失结果：卷积神经网络行为克隆方法在无人车上的研究》2019.11.15
- 《表3 卷积神经网络框架：卷积神经网络行为克隆方法在无人车上的研究》2019.11.15
- 《表2 系统主要元件：卷积神经网络行为克隆方法在无人车上的研究》2019.11.15
- 《表4 卷积核对比组设置：基于卷积神经网络的无人机遥感农作物分类》2019.11.25
- 《表3 波段组合信息：基于卷积神经网络的无人机遥感农作物分类》2019.11.25
- 《表5 参数设置：基于膨胀卷积神经网络模型的中文分词方法》2019.09.01
- 《表5 优化方案3：基于卷积神经网络的数字分类器的研究与优化》2019.08.15
- 《表1 模型评估结果：基于深度卷积神经网络的小麦赤霉病高光谱病症点分类方法》2019.02.25
- 《表1 实验结果：基于汇编指令词向量与卷积神经网络的恶意代码分类方法研究》2019.04.10
- 《表1 卷积神经网络结构：基于无人机遥感与卷积神经网络的草原物种分类方法》2019.04.25
- 《表1 几种网络精度：级联卷积网络在无人机视觉定位的应用》2019.04.20