《表1 超参数设置：基于深度神经网络复杂场景下的机器人拣选方法》
提示：宽带有限、当前游客访问压缩模式
YOLO目标检测模型使用GTX1080Ti加速网络训练，模型训练所需的超参数如表1所示．
| 图表编号 | XD00115285400 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.10.01 |
| 作者 | 韩兴、刘晓平、王刚、韩松 |
| 绘制单位 | 北京邮电大学自动化学院、北京邮电大学自动化学院、北京邮电大学自动化学院、北京邮电大学自动化学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 实验参数设置：复杂场景下基于增强YOLOv3的船舶目标检测》2020.09.10
- 《表1 DBN的参数设置：基于深度置信网络的互联网流量预测方法》2020.10.15
- 《表1 超参数设置：基于深度神经网络Mask R-CNN胆囊癌辅助识别系统临床应用价值研究》2021.03.01
- 《表2 模型超参数设置：基于深度神经网络的多因素感知终端换机预测模型》2021.01.01
- 《表1 微波消解程序：一种基于深度神经网络的变电站巡检机器人路面识别方法》2020.12.31
- 《表1 实验参数设置：基于深度强化学习的轨道式巡检机器人巡检驻点规划方法》2021.02.15
- 《表1 实验参数设置：基于深度强化学习的轨道式巡检机器人巡检驻点规划方法》2021.02.15
- 《表1 4种超参数数值：基于PID和深度卷积神经网络的辐射源识别方法》2020.07.01
- 《表9 场景复杂度参数：基于多通道态势图的自动驾驶场景表征方法》2020.08.01
- 《表1 超参数设置：基于深度神经网络的伪装人脸识别》2020.05.06
- 《表1 调用信息表：基于深度神经网络方法的机器在线翻译系统设计》2020.09.20
- 《表2 超参数设置：隐式反馈场景下的LFM-XGB-LR融合推荐算法》2020.03.01
- 《表4 超参数的设置：基于深度学习的加密流量分类与入侵检测》2020.01.25
- 《表2 网络学习参数设置：基于深度自编码器的大型龙门加工中心热误差建模方法》2019.10.25
- 《表1 DBN超参数设置：基于拓扑解析与深度学习融合的低压集抄系统故障诊断方法》2019.10.25
- 《表1 试验参数设置表：基于经验模态分解和深度卷积神经网络的行星齿轮箱故障诊断方法》2019.04.05
- 《表1 参数设置：基于深度强化学习的移动机器人路径规划》2019.07.01
- 《表3 参数设置：基于深度神经网络的网络安全实体识别方法》2019.01.30
- 《表1 实验参数设置：一种煤矿井下复杂光照条件下的人脸识别方法》2019.01.10
- 《表1 网络配置参数：基于YOLOv2的复杂场景下车辆目标检测》2018.05.05