《表1 深度网络的发展：基于舌图像深度特征融合的中医体质分类方法研究》
提示：宽带有限、当前游客访问压缩模式
随着深度网络（deep network）的不断发展，越来越多的专家学者对其进行了研究和改进。表1介绍了几种主流的网络。
| 图表编号 | XD00145393000 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.06.01 |
| 作者 | 周浩、胡广芹、张新峰 |
| 绘制单位 | 北京工业大学信息学部、北京工业大学信息学部、北京工业大学信息学部 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 不同方法性能对比：基于融合先验知识的肺结节深度学习分类方法》2021.03.10
- 《表1 图像数据集：融合传统特征与神经网络的深度伪造检测算法》2021.02.10
- 《表1 基于深度学习的高光谱图像分类方法总结》2021.02.15
- 《表1 实验结果：基于深度残差网络的水果图像分类算法研究》2020.12.25
- 《表1 样本基本特征：基于卷积深度置信网络的配电网故障分类方法》2019.11.10
- 《表1 基于深度学习的乳腺病理图像分类方法总结》2020.07.01
- 《表1 分支网络结构配置：基于深度多分支特征融合网络的光学遥感场景分类》2020.05.01
- 《表2 数据集信息：基于深度多分支特征融合网络的光学遥感场景分类》2020.05.01
- 《表1 分类结果准确率：基于深度置信网络的多特征融合音乐分类算法》2020.02.20
- 《表1 网络层参数：基于深度学习与二维离散小波分解特征相融合的adaboost人脸识别模型》2020.02.05
- 《表1 网络训练结果：基于深度图像的手势识别研究》2019.10.01
- 《表1 基于深度卷积神经网络的图像美学评价方法归纳表》2019.08.01
- 《表1 电涡流探头参数：基于SSDAE深度神经网络的钛板电涡流检测图像分类研究》2019.04.01
- 《表2 试件缺陷参数：基于SSDAE深度神经网络的钛板电涡流检测图像分类研究》2019.04.01
- 《表5 分类结果：基于SSDAE深度神经网络的钛板电涡流检测图像分类研究》2019.04.01
- 《表1 ZF网络参数表：基于深度学习与迁移学习的中医舌象提取识别研究》2019.05.17
- 《表4 网络模型比较：基于SqueezeNet深度网络的中药材粉末显微特征图像识别研究》2019.04.01
- 《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
- 《表3 CNN网络模型：基于深度学习的图像分类方法》2018.06.06
- 《表1 体质舌象对照表：基于卷积神经网络的舌象分类》2018.12.15