《表1 三组网络参数：基于SSD算法的茶叶嫩芽检测研究》
提示：宽带有限、当前游客访问压缩模式
经过多次调整参数训练，最终得出了如下的对比结果（任选其中三次为例，均为训练50000次后的结果），如表1所示。
| 图表编号 | XD00156420700 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.08.01 |
| 作者 | 王子钰、赵怡巍、刘振宇 |
| 绘制单位 | 沈阳工业大学信息科学与工程学院、沈阳工业大学信息科学与工程学院、沈阳工业大学信息科学与工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 数据帧格式：基于MF-SSD网络的织物疵点检测》2020.12.10
- 《表2 复杂背多光照下四种茶叶嫩芽检测精度》2021.01.25
- 《表1 分类结果混淆矩阵：基于SSD的小目标特征强化检测算法》2021.02.15
- 《表2 神经网络参数设置：基于LSTM-CNN的睡眠呼吸暂停与低通气事件实时检测算法研究》2020.06.20
- 《表1 网络参数设置：基于负样本多通道优化SSD网络的钢铁厂提取》2020.05.15
- 《表2 实验环境配置参数：基于改进SSD算法的遥感影像小目标快速检测》2020.05.01
- 《表1 实验数据集：基于改进SSD算法的遥感影像小目标快速检测》2020.05.01
- 《表4 不同检测算法结果：基于改进SSD的航拍施工车辆检测识别系统设计》2020.07.01
- 《表2 反卷积效果对比：基于改进SSD算法的实时交通标示牌检测》2020.01.01
- 《表1 检测结果对比表：基于SSD网络的宠物狗检测与分类》2019.12.25
- 《表1 改进型烟雾检测网络MobileNet-SSD参数设定》2020.02.15
- 《表2 检测网络框架参数：基于改进SSD的电力设备红外图像异常自动检测方法》2020.01.25
- 《表1 实验结果对比：基于SSD的实时车辆检测算法研究》2019.11.20
- 《表1 系统环境配置：基于GoogLeNet的茶叶嫩芽生长状态智能识别》2019.10.20
- 《表1 横向连接层参数：面向小目标检测结合特征金字塔网络的SSD改进模型》2019.09.15
- 《表2 预测层参数：面向小目标检测结合特征金字塔网络的SSD改进模型》2019.09.15
- 《表3 基于SSD算法模型的目标检测效果》2019.04.25
- 《表1 3种方法实验数据：基于深度学习优化SSD算法的硅片隐裂检测识别》2019.01.15
- 《表1 茶叶嫩芽样本集：基于AlexNet的茶叶嫩芽状态智能识别研究》2019.04.20
- 《表2 基于AlexNet网络的茶叶嫩芽状态识别结果》2019.04.20