《表2 训练模型参数：基于深度学习的难分类样本行人检测方法》
提示：宽带有限、当前游客访问压缩模式
基于自构建数据集对预训练模型进行迁移学习，冻结参数，保留最后三层网络，对自建数据集进行训练，具体结构参数见表2。
| 图表编号 | XD00189211300 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.10.20 |
| 作者 | 朱玉华、陆建峰 |
| 绘制单位 | 南京理工大学、南京理工大学 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表4 初始训练参数：基于深度学习的糖尿病视网膜分类方法研究》2020.10.15
- 《表3 模型训练结果：基于深度迁移学习的微博图像隐私分类研究》2020.10.25
- 《表2 分类模型的结果：基于深度迁移学习的网络入侵检测》2020.09.05
- 《表2 基于深度强化学习算法的自动驾驶模型训练环境、数据集和方法》2021.01.16
- 《表1 训练样本分类：基于深度学习的城市轨道交通信号系统入侵检测方法》2021.01.01
- 《表2 模型检测结果：基于深度学习的动静结合的漏洞挖掘方法》2021.02.10
- 《表3 模型训练参数：基于深度学习的关键岗位人员行为分析系统》2021.03.15
- 《表1 预训练模型参数：基于深度学习的难分类样本行人检测方法》2020.10.20
- 《表4 数值模型参数：基于深度学习的海上目标快速检测方法》2020.11.25
- 《表3 训练参数：基于深度学习的水位线检测算法》2020.07.10
- 《表3 基于深度学习方法的结节检测模型训练方法结果比较》2020.07.01
- 《表1 模型训练结果：基于深度学习的电器目标检测》2020.01.01
- 《表1 检测结果：基于深度学习的行人数量统计方法》2019.11.01
- 《表4 测试样本来源：基于深度学习的无人值守地面传感器目标检测与识别方法》2019.09.01
- 《表1 训练样本情况表：一种基于行为集成学习的恶意代码检测方法》2019.08.01
- 《表4 训练参数设置：基于多类型传感数据的自动驾驶深度强化学习方法》2019.07.01
- 《表2 训练测试结果：基于机器视觉与深度学习的医疗垃圾分类系统》2019.05.18
- 《表3 CNN网络模型：基于深度学习的图像分类方法》2018.06.06
- 《表3 分类器性能对比：基于深度学习的Wi-Fi网络入侵检测方法》2019.12.16
- 《表1 软件开发环境配置：基于深度学习的行人检测》2019.12.18