《表2 模型参数：基于宽浅稠密网络的无人驾驶汽车交通标志牌识别》
提示：宽带有限、当前游客访问压缩模式
由此，建立交通标志牌识别宽浅稠密网络整体模型如图4所示，相关网络参数如表2所示。
| 图表编号 | XD00121931900 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.01.24 |
| 作者 | 邓涛、李鑫、汪明明、邓彪 |
| 绘制单位 | 重庆交通大学、重庆交通大学、重庆交通大学、重庆交通大学 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 展开剂的选择结果：基于轻量型卷积神经网络的交通标志识别》2020.12.28
- 《表2.变更指数排序表：基于轻量型卷积神经网络的交通标志识别》2020.12.28
- 《表1 试验配比表：基于Mask R-CNN的无人机影像路面交通标志检测与识别》2020.12.01
- 《表2 试样配比表：基于Mask R-CNN的无人机影像路面交通标志检测与识别》2020.12.01
- 《表1 主干网络参数配置：基于U-Net定位优化的交通标志识别网络》2020.11.15
- 《表2 超参数配置：基于U-Net定位优化的交通标志识别网络》2020.11.15
- 《表1 实验结果对比表：基于全卷积神经网络的国内常见交通警告标志识别》2020.04.01
- 《表2 本文算法性能评价：基于胶囊网络的智能交通标志识别方法》2020.04.10
- 《表1 特征提取主体网络：基于深度可分离卷积的交通标志识别算法》2019.12.01
- 《表1 特征提取主体网络：基于深度可分离卷积的交通标志识别算法》2019.12.01
- 《表1 宽浅稠密网络与深度稠密网络》2020.01.24
- 《表2 不同构架性能比较：基于改进神经网络的交通标志识别》2019.10.10
- 《表2 运动控制误差：基于模型预测控制的无人驾驶汽车横纵向运动控制》2019.09.01
- 《表1 车辆模型参数：基于模型预测控制的无人驾驶汽车横纵向运动控制》2019.09.01
- 《表1 输入缩放参考表：基于多尺度卷积神经网络的交通标志识别方法》2019.08.01
- 《表2 TSM实验数据：基于时序空间关系模型的交通标志识别》2019.06.01
- 《表1 标志分类编码表：ELM-LRF网络交通标志识别模型的建立及验证》2019.01.25
- 《表2 设定的路段参数：考虑无人驾驶车辆影响的道路网络容量模型》2018.12.28
- 《表4 模型适配度参数：基于TAM与认知理论的无人驾驶汽车接受度研究》2019.11.20
- 《表1 相机和镜头参数：基于SSD模型的道路交通标志识别方法研究》2019.12.25