《表2 检测结果：基于深度学习的电器目标检测》
提示：宽带有限、当前游客访问压缩模式
每一类电器的检测结果如表2所示。
| 图表编号 | XD00121010500 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.01.01 |
| 作者 | 陈从平、李游、徐道猛、邓扬、何枝蔚 |
| 绘制单位 | 三峡大学机械与动力学院、常州大学机械工程学院、三峡大学机械与动力学院、三峡大学机械与动力学院、三峡大学机械与动力学院、三峡大学机械与动力学院 |
| 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 训练环境配置：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2 目标检测实验结果：基于深度学习的生猪饮水行为识别研究》2021.01.15
- 《表4 其他基于深度学习的小目标检测方法》2021.01.15
- 《表1 欧洲锈蚀等级：基于深度学习目标检测的电力设备锈蚀缺陷检测算法》2020.12.05
- 《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1 基于深度学习的目标检测模型性能对比》2020.05.01
- 《表7 基于深度学习的目标检测相关文献》2020.09.01
- 《表4 传统文字检测与基于深度学习的目标检测之间的不同点》2020.04.01
- 《表3 不同方法的分割性：基于深度学习的目标检测与可行域分割研究》2020.06.25
- 《表2 不同方法的检测性：基于深度学习的目标检测与可行域分割研究》2020.06.25
- 《表1 模型训练结果：基于深度学习的电器目标检测》2020.01.01
- 《表2 算法检测精度：基于深度学习的驾驶场景关键目标检测与提取》2019.12.30
- 《表1 模型验证结果表：基于深度学习的目标检测算法在冷轧表面缺陷检测中的应用》2019.11.01
- 《表4 测试样本来源：基于深度学习的无人值守地面传感器目标检测与识别方法》2019.09.01
- 《表2 实验平台：基于机载下视图像的深度学习目标检测系统》2019.09.05
- 《表1 实验对比结果：一种基于Gabor深度学习的无人机目标检测算法》2019.08.01
- 《表2 基于深度学习目标检测模型性能、优缺点对比》2019.06.01
- 《表1 实验环境配置：基于深度学习的复杂背景雷达图像多目标检测》2019.06.01
- 《表1 数据集以及数据量：基于深度学习的SAR目标检测方法》2019.10.01