《表1 深度卷积神经网络结构（卷积核尺寸与每个卷积层的通道数）》
提示：宽带有限、当前游客访问压缩模式
式中，为整流线性单元（ReLU）的卷积反馈。权重W的大小为f×f×n，其中f为卷积核的尺寸，n为每个卷积层的通道数。DCNN结构见表1。
| 图表编号 | XD00124151000 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.01.10 |
| 作者 | 涂荣杰 |
| 绘制单位 | 浙江煤炭测绘院有限公司 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 U-Net网络各层卷积核大小及通道数》2020.09.01
- 《表1 不同卷积核尺寸下模型识别率》2020.12.25
- 《表1 深度卷积神经网络结构》2021.01.23
- 《表1 滚动轴承参数：采用多通道样本和深度卷积神经网络的轴承故障诊断方法》2020.08.10
- 《表1 输出特征图的尺寸：一种改进的卷积神经网络的室内深度估计方法》2020.08.15
- 《表1 编码器结构详情：基于卷积神经网络的单目深度估计》2020.07.01
- 《表2 深度卷积神经网络结构配置》2020.07.01
- 《表3 剪枝后每个卷积层的卷积核数目》2020.09.15
- 《表1 数据增强方式：基于深度可分离卷积与通道裁剪的YOLOv3改进方法》2020.04.15
- 《表1 网络模型结构参数：基于深度哈希卷积神经网络的医学图像检索》2020.08.15
- 《表3 通道映射关系：基于深度卷积神经网络的脑电图异常检测》2020.04.25
- 《表1 网络各层的卷积核个数设置》2020.01.16
- 《表1 不同卷积层的比较：基于卷积神经网络的立体匹配算法》2019.12.25
- 《表1 卷积核尺寸大小对评价指标的影响》2019.11.15
- 《表1 不同通道的CCB中卷积核的大小》2019.09.01
- 《表2 源域与目标域的深度卷积神经网络结构》2019.06.10
- 《表3 多尺度小卷积核变体网络架构与结果》2019.04.01
- 《表1 深度卷积网络结构表》2019.02.05
- 《表2 双通道CNN结构：雷达海上目标双通道卷积神经网络特征融合智能检测方法》2019.10.01
- 《表2 卷积神经网络与双通道卷积神经网络实验对比》2019.12.16