《表1 识别结果：基于深度卷积网络的对讲机个体识别》
提示：宽带有限、当前游客访问压缩模式
分别在室内无人声场景、室内有人声场景、户外多人嘈杂场景下采集数据对模型进行测试，得到识别结果如表1所示。
| 图表编号 | XD00161335400 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.06.28 |
| 作者 | 茆旋宇、官友廉、陈永游、祁友杰、王欢 |
| 绘制单位 | 中国航天科工集团8511研究所、中国人民解放军75798部队、中国航天科工集团8511研究所、中国航天科工集团8511研究所、中国航天科工集团8511研究所 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 拟合结果：基于深度可分离卷积的指静脉识别算法》2020.12.31
- 《表2 试验效果对比：基于深度卷积神经网络的水稻纹枯病检测识别》2020.10.01
- 《表1 数据集信息：基于深度卷积神经网络的输电线路防鸟刺部件识别与故障检测》2021.01.05
- 《表1 4种超参数数值：基于PID和深度卷积神经网络的辐射源识别方法》2020.07.01
- 《表3 两种网络性能比较：基于PID和深度卷积神经网络的辐射源识别方法》2020.07.01
- 《表1 数据集处理结果：多变环境下基于多尺度卷积网络的猪个体识别》2020.04.20
- 《表3 对比算法测试结果：基于改进深度卷积生成对抗网络的路面指示标志识别方法》2020.06.28
- 《表1 目标识别数据集：基于改进深度卷积生成对抗网络的路面指示标志识别方法》2020.06.28
- 《表2 测试结果：基于改进深度卷积生成对抗网络的路面指示标志识别方法》2020.06.28
- 《表5 判别器参数表：基于深度卷积生成对抗网络的图像识别算法》2020.04.01
- 《表3 卷积层3：基于深度卷积生成对抗网络的图像识别算法》2020.04.01
- 《表2 卷积层2：基于深度卷积生成对抗网络的图像识别算法》2020.04.01
- 《表1 卷积层1：基于深度卷积生成对抗网络的图像识别算法》2020.04.01
- 《表4 输出：基于深度卷积生成对抗网络的图像识别算法》2020.04.01
- 《表1 特征提取主体网络：基于深度可分离卷积的交通标志识别算法》2019.12.01
- 《表1 特征提取主体网络：基于深度可分离卷积的交通标志识别算法》2019.12.01
- 《表1 害虫样本数量分布：基于空间金字塔池化和深度卷积神经网络的作物害虫识别》2019.10.01
- 《表2 实验结果及分析：基于深度卷积网络的雷达辐射源信号识别》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4 多工件的测试结果：深度卷积网络压缩算法在焊缝识别中的应用》2019.03.10