《表1 实验环境：改进U-Net的遥感图像中建筑物变化检测》
提示：宽带有限、当前游客访问压缩模式
实验环境如表1所示。
| 图表编号 | XD00201528500 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2021.02.01 |
| 作者 | 张翠军、安冉、马丽 |
| 绘制单位 | 河北地质大学信息工程学院、河北地质大学人工智能与机器学习研究室、河北地质大学信息工程学院、河北地质大学人工智能与机器学习研究室、河北地质大学信息工程学院、河北地质大学人工智能与机器学习研究室 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 数据扩充前后实验：一种改进U-Net的高分辨率遥感影像道路提取方法》2020.08.20
- 《表1 实验参数：一种改进U-Net的高分辨率遥感影像道路提取方法》2020.08.20
- 《表6 精度评价混淆矩阵：基于改进U-Net网络的高分遥感影像水体提取》2020.10.25
- 《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4 实验部分参数设置：改进CenterNet的遥感图像目标检测》2021.03.15
- 《表3 残差网络结构对比：改进CenterNet的遥感图像目标检测》2021.03.15
- 《表5 测试结果对比图：改进CenterNet的遥感图像目标检测》2021.03.15
- 《表2 实验环境配置参数：基于改进SSD算法的遥感影像小目标快速检测》2020.05.01
- 《表2 实验环境：基于深度学习的轻量遥感图像车辆检测模型》2020.06.25
- 《表2 实验2结果：基于改进YOLOv3的合成孔径雷达图像中建筑物检测算法》2020.07.01
- 《表1 实验1结果：基于改进YOLOv3的合成孔径雷达图像中建筑物检测算法》2020.07.01
- 《表3 图像采集数量表：改进的YOLOv3算法在道路环境目标检测中的应用》2020.03.15
- 《表1 模块对比结果：基于改进U-Net网络的遥感图像云检测》2020.03.25
- 《表4 定量比较实验表：改进的蚁群算法在图像边缘检测中的应用》2019.08.20
- 《表2 采用不同改进策略的U-Net网络在皮肤病图像分割任务上的实验结果》2019.06.15
- 《表1 实验的4种算法：基于改进二维熵-量子遗传算法的图像多阈值变化检测方法》2019.05.01
- 《表1 改进前后纹理特征在UC Merced Land-Use建筑物遥感图像上的分类准确率比较》2019.04.28
- 《表2 改进前后纹理特征在NWPU-RESISC45建筑物遥感图像上的分类准确率比较》2019.04.28
- 《表5 网络改进效果：基于密集连接网络的遥感图像检测方法》2019.11.25