《表2 训练参数：基于残差网络的高温合金微观组织图像分割方法》
提示：宽带有限、当前游客访问压缩模式
使用训练集对Res＿Unet网络模型进行训练，其训练参数如表2所示。
| 图表编号 | XD00120632000 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.01.08 |
| 作者 | 张利欣、车世界、徐正光、付超、袁立、边胜琴 |
| 绘制单位 | 北京科技大学自动化学院、北京科技大学自动化学院、北京科技大学自动化学院、北京科技大学新金属材料国家重点实验室、北京科技大学自动化学院、北京科技大学计算机学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 残差网络参数：基于多尺度信息融合的图像识别改进算法》2020.09.01
- 《表2 网络的超参数：基于残差编解码网络的红外图像自适应校正算法》2020.09.20
- 《表1 岩石力学参数表：基于Unet网络多任务学习的遥感图像建筑地物语义分割》2020.12.01
- 《表5 不同方法分类精度：基于三维残差网络和虚拟样本的高光谱图像分类方法研究》2020.06.15
- 《表1 先进方法概述：基于轻量自动残差缩放网络的图像超分辨率重建》2020.05.10
- 《表8 网络参数对比：基于通道注意力机制的RGB-D图像语义分割网络》2020.07.05
- 《表2 RE-B通道参数：基于残差扩展网络的性别识别方法研究》2020.08.25
- 《表2 实验环境参数：基于深度残差网络的布匹疵点检测方法》2020.04.01
- 《表2 训练参数配置：多尺度特征融合的图像语义分割》2020.01.15
- 《表1 实验环境参数：基于残差通道注意力网络的医学图像超分辨率重建方法》2020.01.25
- 《表3 神经网络训练结果：基于迁移学习的植物花朵图像识别方法》2020.03.01
- 《表1 网络参数：基于深度残差网络的番茄叶片病害识别方法》2019.10.31
- 《表1 网络结构参数配置：基于残差网络编解码的磁共振图像修复算法》2020.01.16
- 《表1 影像卫星参数：基于生成对抗网络的遥感图像居民区分割》2020.02.20
- 《表1 模型训练参数：基于U-Net和Res_UNet模型的传送带矿石图像分割方法》2019.11.01
- 《表2 性能评价参数：基于高光谱图像分割的固态发酵中不同杆菌的识别方法》2019.09.20
- 《表7 各网络的分割效率：基于可分离残差模块的精确实时语义分割》2019.03.10
- 《表6 各网络的分割精度：基于可分离残差模块的精确实时语义分割》2019.03.10
- 《表2 网络具体细节：基于可分离残差模块的精确实时语义分割》2019.03.10
- 《表2 BP神经网络参数：基于改进自组织神经网络的遥感图像分类研究》2019.02.28