《表2 超参数配置：基于U-Net定位优化的交通标志识别网络》
提示：宽带有限、当前游客访问压缩模式
表2展示了相关超参数配置。
| 图表编号 | XD00183123500 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.11.15 |
| 作者 | 刘胜、马社祥、孟鑫、李啸 |
| 绘制单位 | 天津理工大学电气电子工程学院、天津理工大学电气电子工程学院、天津理工大学海运学院、天津理工大学计算机科学与工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 基础系统平台配置：基于改进U-Net网络的高分遥感影像水体提取》2020.10.25
- 《表4 重要软件配置：基于改进U-Net网络的高分遥感影像水体提取》2020.10.25
- 《表1 超参数设置：基于深度神经网络Mask R-CNN胆囊癌辅助识别系统临床应用价值研究》2021.03.01
- 《表1 工艺参数水平表：基于复杂网络的区域水上交通关键船舶识别方法》2020.10.28
- 《表2.变更指数排序表：基于轻量型卷积神经网络的交通标志识别》2020.12.28
- 《表1 硬件配置：一种基于深度学习的交通标志识别新算法》2021.01.28
- 《表1 主干网络参数配置：基于U-Net定位优化的交通标志识别网络》2020.11.15
- 《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1 基站参数配置表：基于用户调度策略的高铁网络优化》2020.06.25
- 《表2 基于残差网络的U-Net结构参数》2020.05.25
- 《表1 超参数设置：基于深度神经网络的伪装人脸识别》2020.05.06
- 《表2 本文算法性能评价：基于胶囊网络的智能交通标志识别方法》2020.04.10
- 《表2 成本参数：基于无功超调率指标的变电站无功优化配置》2020.02.25
- 《表2 模型参数：基于宽浅稠密网络的无人驾驶汽车交通标志牌识别》2020.01.24
- 《表2 条码识别准确率：基于人工神经网络的条码定位与识别方法》2019.12.15
- 《表2 不同构架性能比较：基于改进神经网络的交通标志识别》2019.10.10
- 《表2 网络配置参数：一种基于3D-CNN的微表情识别算法》2019.10.28
- 《表2 方法的识别率：基于超复代数的变电站机器人路径标志识别算法分析》2019.08.25
- 《表2 模型超参数设置：基于图卷积神经网络和注意力机制的短时交通流量预测》2019.08.01
- 《表3 网络参数设置：基于思维进化优化的多源交通数据融合算法》2019.05.01