《表1 参数配置：基于卷积神经网络的汽车涡轮增压器制造缺陷检测方法研究》
提示：宽带有限、当前游客访问压缩模式
本系列图表出处文件名：随高清版一同展现
《基于卷积神经网络的汽车涡轮增压器制造缺陷检测方法研究》
方法验证的参数配置如表1所示。
| 图表编号 | XD00155790000 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.05.20 |
| 作者 | 徐永亮 |
| 绘制单位 | 烟台汽车工程职业学院 |
| 更多格式 | 高清、无水印（增值服务） |
提示：宽带有限、当前游客访问压缩模式
相关图表
- 《表1 机器配置：基于卷积神经网络的航拍影像信息识别方法》2020.08.01
- 《表4 噪声方差参数设置：基于全卷积网络的阀门粘滞检测方法》2021.02.25
- 《表3 风载荷汇总表：基于双通道卷积神经网络的缺陷检测》2020.11.01
- 《表1 人工海水配方：基于双通道卷积神经网络的缺陷检测》2020.11.01
- 《表2 试验设计：基于双通道卷积神经网络的缺陷检测》2020.11.01
- 《表1 焊接工艺参数：基于红外温度场的电弧增材制造缺陷在线检测方法》2020.07.25
- 《表1 软硬件配置表：基于全卷积神经网络的车道线检测》2020.06.01
- 《表1 模型性能比较：基于卷积神经网络的电网变压器铭牌识别技术研究》2020.07.25
- 《表1 模型构建方式：基于改进卷积神经网络的管焊缝X射线图像缺陷识别方法》2020.01.25
- 《表2 卷积法测试结果：基于卷积神经网络与显著性特征的皮革缺陷检测》2020.06.01
- 《表1 皮革缺陷描述：基于卷积神经网络与显著性特征的皮革缺陷检测》2020.06.01
- 《表2 7类红枣数量：基于网中网卷积神经网络的红枣缺陷检测》2020.02.01
- 《表3 实验正交表：基于ResNet网络的医用塑瓶制造缺陷检测方法》2020.04.01
- 《表1 卷积模型：基于R-FCN深层卷积神经网络的金属冲压件表面缺陷检测》2020.01.10
- 《表1 案例A缺陷概率：基于卷积神经网络的开关柜故障率预测方法》2020.03.10
- 《表1 网络结构：基于去噪卷积自编码器的色织衬衫裁片缺陷检测》2019.06.30
- 《表4 其他算法效果对比：基于卷积神经网络的主变压器外观缺陷检测方法》2019.04.25
- 《表1 算法运行硬件配置：基于卷积神经网络的主变压器外观缺陷检测方法》2019.04.25
- 《表1 缺陷检测结果统计：基于卷积神经网络的轮胎X射线图像缺陷检测》2019.04.10
- 《表1 卷积神经网络参数：基于跨连接卷积神经网络的绝缘子检测方法》2019.02.25