《表1 目标检测网络结构：基于浅层卷积神经网络的实时视频通信隐私保护研究》
提示：宽带有限、当前游客访问压缩模式
经过实验和调整，本研究的网络结构如表1所示，主要修改在于替换了tiny-YOLOv3中Yolo层前的几层堆叠的卷积层，并去除了每个卷积层后的BN操作，激励函数依然是Leaky Relu:
| 图表编号 | XD00172479200 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.03.15 |
| 作者 | 陈晨、张自军、姚保峰 |
| 绘制单位 | 蚌埠学院计算机工程学院、蚌埠学院计算机工程学院、蚌埠学院计算机工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 模型对比：一种基于深度卷积神经网络的道路损伤检测研究》2021.02.01
- 《表6 不同模型裁剪结果：基于卷积神经网络的实时车辆检测》2021.03.01
- 《表4 多尺度预测结果：基于卷积神经网络的实时车辆检测》2021.03.01
- 《表2 仿真环境参数：基于深度时空卷积神经网络的点目标检测（英文）》2021.02.01
- 《表2 识别精度：基于卷积神经网络模型Faster R-CNN的遥感影像目标识别研究》2021.01.25
- 《表1 采样范围及间隔：基于卷积神经网络的无人作战飞机飞行轨迹实时预测》2020.09.01
- 《表3 不同方法的AP值：基于特征融合卷积神经网络的SAR图像目标检测方法》2020.04.01
- 《表2 实验结果：基于浅层卷积神经网络的实时视频通信隐私保护研究》2020.03.15
- 《表1 实验数据集：基于深度卷积神经网络的舰载机目标检测》2020.05.10
- 《表2 不同算法结果对比：基于深度卷积神经网络的遥感图像目标检测方法》2020.05.25
- 《表1 测试视频描述：时空双路3D残差卷积网络的视频烟雾检测》2020.09.15
- 《表2 部分卷积神经网络：深度卷积神经网络的目标检测算法综述》2020.09.01
- 《表1 性能指标对比：基于卷积神经网络的环视车位检测研究》2020.02.25
- 《表1 网络各层结构信息：基于卷积神经网络的RGB-D SLAM回环检测研究》2019.11.20
- 《表1 模拟数据示例：基于卷积神经网络的雷达目标航迹识别研究》2019.09.01
- 《表1 现场检测环境：基于卷积神经网络的视频大数据智能预警分析》2019.08.20
- 《表1 实验参数设置表：通信网络中非规则控制故障数据模型研究及实时检测方法应用》2019.05.20
- 《表4 车辆检测性能对比：基于卷积神经网络的多目标实时检测》2019.04.16
- 《表3 行人检测性能对比：基于卷积神经网络的多目标实时检测》2019.04.16
- 《表1 跟踪速度的比较：基于卷积神经网络的实时跟踪算法》2018.05.20