《表1 3种模型复杂度：快速的卷积神经网络算法及应用》
提示：宽带有限、当前游客访问压缩模式
为了描述复杂度，此处统一规定数据的维度为N×1，卷积核的维度为K×1。3种模型复杂度见表1。
| 图表编号 | XD00154276500 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.08.16 |
| 作者 | 包志强、赵志超、王宇霆 |
| 绘制单位 | 西安邮电大学通信与信息工程学院、西安邮电大学通信与信息工程学院、西安邮电大学通信与信息工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 模型对比：基于深度卷积神经网络模型和XGBoost算法的齿轮箱故障诊断研究》2020.10.15
- 《表1 算法效率比较：卷积神经网络在尺度不变特征变换图像配准方法中的应用》2020.04.20
- 《表1 3种网络模型框架：交叉连接的少层残差卷积神经网络》2021.03.01
- 《表2 算法性能比较：一种面向复杂网络的快速模块结构识别算法》2021.01.25
- 《表1 模型性能对比：基于卷积神经网络的手势识别算法研究》2021.01.20
- 《表3 两种模型的对比：一种改进的LeNet-5卷积神经网络算法》2020.10.20
- 《表1 不同批次的结果：一种改进的LeNet-5卷积神经网络算法》2020.10.20
- 《表1 模型性能比较：基于双流卷积神经网络和生成式对抗网络的行人重识别算法》2020.06.10
- 《表5 算法对比：一种卷积神经网络的车辆和行人检测算法》2020.04.25
- 《表3 多尺寸预测：一种卷积神经网络的车辆和行人检测算法》2020.04.25
- 《表2 MC模块：一种卷积神经网络的车辆和行人检测算法》2020.04.25
- 《表1 骨干网络：一种卷积神经网络的车辆和行人检测算法》2020.04.25
- 《表2 3种模型效果比较：快速的卷积神经网络算法及应用》2020.08.16
- 《表1 实验参数表：一种基于卷积神经网络的人脸识别改进算法》2020.08.01
- 《表1 算法性能对比：卷积神经网络在ADAS中的应用》2020.01.23
- 《表1 对比实验结果：一种改进的卷积神经网络恶意域名检测算法》2020.02.20
- 《表3 模型参数设置：结合迁移学习模型的卷积神经网络算法研究》2020.03.01
- 《表1 源域数据集：结合迁移学习模型的卷积神经网络算法研究》2020.03.01
- 《表2 3种算法效果对比：基于全卷积神经网络的多尺度人脸检测》2019.10.25
- 《表5 各种算法的时效性：深度卷积网络压缩算法在焊缝识别中的应用》2019.03.10