《表2 CGAN与其他网络在加性噪声上性能对比》
提示：宽带有限、当前游客访问压缩模式
我们还将本文方法与DNN算法以及降噪自编码（DA）进行了对比，结果如表2所示。
| 图表编号 | XD00197923000 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.08.20 |
| 作者 | 樊良辉、韩俊刚、王怡斐 |
| 绘制单位 | 西安邮电大学计算机学院、西安邮电大学计算机学院、西安邮电大学计算机学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 加性与乘性噪声经小波分解后各个低频系数的能量比》2020.10.25
- 《表2 各噪声检测器在Lena图像上的各项性能指标对比》2020.12.16
- 《表5 不同噪声水平下DCQGA-CRM与其他算法的RLA对比》2021.01.01
- 《表6 DBSHS和其他算法在加速率和成功率的对比(D=100)》2021.03.01
- 《表1 ImageNet数据集上各类网络模型性能对比》2020.12.01
- 《表1 ImageNet数据集上各类网络模型性能对比》2020.12.01
- 《表2 模型的稳定性评估：改进CGAN网络的光学遥感图像云去除方法》2020.07.01
- 《表2 ShuffleMNet与其他轻量级网络精度对比单位：》2020.03.10
- 《表3 Cityscapes数据集上网络性能对比》2019.12.25
- 《表5 本文方法与不同分割算法在不同噪声级别脑磁共振图像上仿真的性能比较(Jaccard系数)》2019.11.01
- 《表4 提出的方法与不同分割算法在不同噪声级别脑图像上仿真性能的比较(分割精度)》2019.11.01
- 《表2 与其他卷积神经网络的对比（图像分类错误率）》2019.08.15
- 《表2 YOLO v3与其他网络性能对比表》2019.06.01
- 《表2 仅含加性噪声情况下的误差统计》2019.07.25
- 《表8 使用299×299像素图像本文网络与其他卷积神经网络分类性能的对比》2019.01.10
- 《表7 使用384×384像素图像本文网络与其他卷积神经网络分类性能的对比》2019.01.10
- 《表2 sS-LINN与其他神经网络方法的性能对比》2019.04.01
- 《表2 GAN与DNN在加性噪声上性能对比Tab.2 Performance comparison between GAN and DNN on additive noise》2019.02.01
- 《表3 GAN与降噪自编码在加性噪声上性能对比Tab.3 Performance comparison between GAN and denoising autoencode on additive noise》2019.02.01
- 《表2 LSTM跌倒检测模型与其他网络模型性能比较》2018.12.01