《表1 各图像数量：智能电能表数字识别算法研究》
提示：宽带有限、当前游客访问压缩模式
实验样本包含了不同时间段和不同场景下的RGB彩色图像，具体的图像数量如表1所示。
| 图表编号 | XD00132674200 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.01.01 |
| 作者 | 陈英、蒋文峰、杨丰玉、Zhu Xiaodong |
| 绘制单位 | 南昌航空大学软件学院、南昌航空大学软件学院、南昌航空大学软件学院、南昌航空大学软件学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 各算法的性能对比：基于边缘计算和无人机巡检图像的输电杆塔关键部位隐患智能识别》2020.10.25
- 《表1 实验结果对比：基于卷积神经网络的电力杆塔图像智能识别算法研究》2020.09.25
- 《表1：数字图像识别技术在商用车库存盘点中的应用研究》2021.01.01
- 《表1 提出算法与其他算法比较各数字识别率》2020.12.15
- 《表1 算法性能评价：一种玉米雄穗图像识别算法研究》2018.05.08
- 《表1 基本硬件配置表：基于融合优化算法和集成学习的数字识别研究》2020.04.01
- 《表1 部件检测识别率：动车组入所在线智能检测系统图像自动识别的研究与实现》2020.01.10
- 《表1 电能算法误差：基于标准电能表高频脉冲的数字化电能表快速校验方法》2019.12.10
- 《表2 裂缝测量结果示例：基于数字图像技术的隧道衬砌裂缝识别方法研究》2019.12.01
- 《表3 数据集中字符数量：智能车道路场景数字字符识别技术》2019.10.10
- 《表4 工位故障数量汇总：基于全生命周期的电能表质量控制图模式识别研究》2019.09.25
- 《表2 颗粒识别结果：基于数字图像的油液磨粒智能检测技术》2019.09.06
- 《表5棚车装载不良分类：基于深度学习技术的货检图像智能识别与测试研究》2019.06.25
- 《表4敞车装载不良分类：基于深度学习技术的货检图像智能识别与测试研究》2019.06.25
- 《表3罐车装载不良分类：基于深度学习技术的货检图像智能识别与测试研究》2019.06.25
- 《表6装载不良分类：基于深度学习技术的货检图像智能识别与测试研究》2019.06.25
- 《表7测试结果：基于深度学习技术的货检图像智能识别与测试研究》2019.06.25
- 《表1 采用大数据集域自适应快速算法得到的图像智能识别测试结果》2019.04.01
- 《表6 动态图像检索：基于云计算的智能人脸识别借阅系统研究》2019.07.01
- 《表4 字符识别：手持终端智能电能表一致性检测系统》2019.03.05