《表2 试验最优参数：改进YOLOv3算法的筷子毛刺缺陷检测方法》
提示：宽带有限、当前游客访问压缩模式
通过网络搜索的方式对数组参数分别进行训练，取到其中的最优值。通过试验所确定的各组最优参数见表2。
| 图表编号 | XD00171063900 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.03.01 |
| 作者 | 陈俊松、何自芬、张印辉 |
| 绘制单位 | 昆明理工大学机电工程学院、昆明理工大学机电工程学院、昆明理工大学机电工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 模型检测性能对比：改进的YOLOv3红外图像行人检测算法》2020.07.30
- 《表2 实验数据：改进YOLOv3的非机动车检测与识别方法》2021.01.01
- 《表1 遗传算法聚类表：基于改进YOLOv3的站口行人检测方法》2021.01.01
- 《表4 模型检测结果：基于改进YOLOv3的站口行人检测方法》2021.01.01
- 《表3 温度加载过程：一种改进的YOLOv3-Tiny目标检测算法》2020.10.01
- 《表2 实验结果：结合FPN的改进YOLOv3车辆实时检测算法》2020.03.20
- 《表1 实验结果：结合FPN的改进YOLOv3车辆实时检测算法》2020.03.20
- 《表2 试验方案及结果：熔模铸件的缩孔及表面毛刺缺陷防治方法》2020.07.20
- 《表1 正交试验表：熔模铸件的缩孔及表面毛刺缺陷防治方法》2020.07.20
- 《表1 试验参数取值：改进YOLOv3算法的筷子毛刺缺陷检测方法》2020.03.01
- 《表2 最优参数：基于改进YOLO算法的车位自动检测系统》2020.04.15
- 《表2 各算法检测效果：改进YOLOv3网络的无人驾驶系统多目标检测算法》2020.05.25
- 《表1 样本数量及占比：改进YOLOv3网络的无人驾驶系统多目标检测算法》2020.05.25
- 《表7 训练模型初始参数：改进YOLOV3的火灾检测方法》2020.09.01
- 《表9 算法测试结果：改进YOLOV3的火灾检测方法》2020.09.01
- 《表2 初始聚类中心：改进YOLOV3的火灾检测方法》2020.09.01
- 《表2 不同算法结果对比：基于改进YOLOv3的变压器定位检测研究》2020.08.28
- 《表2 实验2结果：基于改进YOLOv3的合成孔径雷达图像中建筑物检测算法》2020.07.01
- 《表2 实验电脑配置：一种改进YOLOv3-Tiny的行车检测算法》2020.03.01
- 《表6 检测速度测试：一种改进YOLOv3-Tiny的行车检测算法》2020.03.01