《表2 试验数据库：基于深度残差网络的番茄叶片病害识别方法》
提示：宽带有限、当前游客访问压缩模式
通过提取PlantVillag公开数据集中番茄的病害叶片与健康叶片，本研究构建了番茄病害数据库。数据集分布如表2所示。
| 图表编号 | XD00127947600 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.10.31 |
| 作者 | 吴华瑞 |
| 绘制单位 | 国家农业信息化工程技术研究中心、农业农村部农业信息技术重点实验室 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表5 数据参数：基于深层残差网络和三元组损失的雷达信号识别方法》2020.11.01
- 《表3 参数设置：基于深层残差网络和三元组损失的雷达信号识别方法》2020.11.01
- 《表2 试验条件设置：基于深度残差的多特征多粒度农业病虫害识别研究》2020.08.25
- 《表1 数据集分组：基于卷积神经网络的农作物叶片病害诊断》2021.03.15
- 《表4 各模型准确率对比：基于生成对抗网络的农作物叶片病害识别》2020.11.01
- 《表3 数据扩充详情：基于生成对抗网络的农作物叶片病害识别》2020.11.01
- 《表1 网络结构参数：基于生成对抗网络的农作物叶片病害识别》2020.11.01
- 《表2 数据集详情：基于生成对抗网络的农作物叶片病害识别》2020.11.01
- 《表1 目标识别数据集：基于改进深度卷积生成对抗网络的路面指示标志识别方法》2020.06.28
- 《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1 RE-A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3 残差网络识别率：基于残差扩展网络的性别识别方法研究》2020.08.25
- 《表6 方法比较：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1 试验数据集：基于改进残差网络的红枣缺陷检测分类方法研究》2020.01.01
- 《表3 不同识别模型对比：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 残差网络结构：基于深度残差网络的有色金属破碎料视觉识别方法》2019.08.25
- 《表2 深度残差网络花卉识别结果》2019.01.01
- 《表1 水稻病害特征描述：基于深度卷积神经网络的水稻病害图像识别研究》2019.03.01