《表1 实验设计：基于多尺度特征和注意力机制的航空图像分割》
提示：宽带有限、当前游客访问压缩模式
总体来说，结合了多尺度特征和注意力机制的网络模型，对航空建筑分割效果有较大的提升.
| 图表编号 | XD00201048900 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.06.01 |
| 作者 | 宁芊、胡诗雨、雷印杰、陈炳才 |
| 绘制单位 | 四川大学电子信息学院、新疆师范大学物理与电子工程学院、四川大学电子信息学院、四川大学电子信息学院、大连理工大学计算机科学与技术学院、新疆师范大学计算机科学技术学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 数据集实验结果：基于通道域自注意力机制的图像识别算法》2020.10.01
- 《表1 平均分割精度：一种基于YOLO的多尺度融合图像分割模型》2021.01.25
- 《表4 不同残差单元加入具有全局特征的空间注意力机制的多分类实验结果》2020.11.10
- 《表1 实验设备：引入词向量和双注意力机制的图像语义理解》2020.12.10
- 《表1 实验煤样性质：多尺度融合增强的图像语义分割算法》2021.01.15
- 《表2 实验方法对比：基于多尺度特征融合的水果图像识别算法研究》2021.02.01
- 《表1 对比实验结果：基于多尺度特征融合的水果图像识别算法研究》2021.02.01
- 《表8 网络参数对比：基于通道注意力机制的RGB-D图像语义分割网络》2020.07.05
- 《表1 实验参数表：基于边缘检测和图像分割的超声诊断机器人控制系统设计》2020.08.25
- 《表3 机器软硬件配置：多尺度特征融合的图像语义分割》2020.01.15
- 《表4 模型分割结果：多尺度特征融合的图像语义分割》2020.01.15
- 《表2 训练参数配置：多尺度特征融合的图像语义分割》2020.01.15
- 《表2 消去实验：基于注意力机制的红外图像和自然图像电力设备异常检测方法研究》2020.02.25
- 《表2 实验结果对比：一种基于深层次多尺度特征融合CNN的SAR图像舰船目标检测算法》2020.01.25
- 《表1 实验结果对比：一种基于深层次多尺度特征融合CNN的SAR图像舰船目标检测算法》2020.01.25
- 《表1 模型设计：基于具有空间注意力机制的Mask R-CNN的口腔白斑分割》2020.02.25
- 《表2 实验结果：融合多标签和双注意力机制的图像语义理解模型》2020.01.01
- 《表1 分割方法定量评价：多尺度判别条件生成对抗网络的前列腺MRI图像分割方法》2019.09.16
- 《表2 基于多尺度高斯函数图像亮度校正算法的单阈值缺陷分割结果》2019.01.16
- 《表4 分割实验配置表：基于注意力模型的多传感器人类活动识别》2019.11.22