《表1：与其他算法对比：基于自学习特征权重网络的模板匹配研究》
提示：宽带有限、当前游客访问压缩模式
其中，I为输入网络的图像，Oi，j对应的是第i层卷积层、第j个通道索引的输出特征张量，j的取值范围是各层的w中前5大权值所对应的通道索引号。
| 图表编号 | XD00146192100 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.07.15 |
| 作者 | 许志龙、施烨、俞鑫春、郭伟 |
| 绘制单位 | 国网江苏省电力有限公司、国网江苏省电力有限公司南通供电分公司、国网江苏省电力有限公司南通供电分公司、南通华远科技发展有限公司 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 模板匹配检测结果：基于模板匹配和深度学习的反光弧面缺陷检测》2020.10.20
- 《表1 特征词权重表：基于智能算法的食品安全网络舆情监测方法研究》2020.04.20
- 《表1 对比表：基于卷积神经网络的电力杆塔图像识别学习算法研究》2020.06.25
- 《表2 算法匹配时间对比：基于ASIFT改进算法的无人机图像特征匹配方法研究》2020.06.01
- 《表1 关键点格式示例：基于模板匹配的三维人体语义特征提取算法》2020.04.01
- 《表2 实验模型数据：基于模板匹配的三维人体语义特征提取算法》2020.04.01
- 《表1 基于贝叶斯网络的SDON控制器自学习负载均衡算法》2019.12.15
- 《表2 仿真参数：基于贝叶斯网络的SDON控制器自学习负载均衡算法》2019.12.15
- 《表1 本文算法与其他基于深度学习视觉定位算法在Microsoft 7-Scenes的定位误差均值的对比》2019.10.01
- 《表1 聚类NMI值：基于去噪自编码的属性网络表征学习算法》2019.10.05
- 《表1 仿真参数表：基于超极特征匹配机制的人工网络安全流量过滤算法研究》2019.09.01
- 《表1 文中算法与其他基于深度学习深度估计算法在KITTI库下的估计性能对比》2019.09.25
- 《表1 算法性能对比：基于HOG特征和小波神经网络的自适应人群计数算法研究》2019.08.25
- 《表1 ENL指标：基于自适应滑动窗口和Kirsch方向模板的高分辨率SAR图像的降斑算法研究》2019.07.25
- 《表1 多维特征向量值：基于聚类算法的模板匹配信号识别改进算法》2019.02.25
- 《表4 算法匹配性能比较：尺度与特征强度自适应的SURF特征点匹配算法》2019.04.25
- 《表1 算法性能对比：基于深度学习网络的电力系统不良数据辨识算法研究》2018.12.25
- 《表1 基准测试函数：基于自学习因子c和权重系数的改进蝙蝠算法》2018.04.01
- 《表2 算法结果对比表：基于免疫遗传算法的自组织映射网络应用研究》2018.12.01
- 《表3 算法结果对比表：基于免疫遗传算法的自组织映射网络应用研究》2018.12.01