《表3 残差网络结构对比：改进CenterNet的遥感图像目标检测》
提示：宽带有限、当前游客访问压缩模式
残差模块中的标准卷积替换成深度可分离卷积后，网络结构的详细对比如表3所示。
| 图表编号 | XD00201623900 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2021.03.15 |
| 作者 | 魏玮、杨茹、朱叶 |
| 绘制单位 | 河北工业大学人工智能与数据科学学院、河北工业大学人工智能与数据科学学院、河北工业大学人工智能与数据科学学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 残差网络参数：基于多尺度信息融合的图像识别改进算法》2020.09.01
- 《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5 测试结果对比图：改进CenterNet的遥感图像目标检测》2021.03.15
- 《表1 实验环境：改进U-Net的遥感图像中建筑物变化检测》2021.02.01
- 《表3 胞外酶活性检测：基于残差网络的小型车辆目标检测算法》2020.08.05
- 《表1 实验结果对比：基于特征融合的遥感图像舰船目标检测方法》2020.07.01
- 《表2 不同算法结果对比：基于深度卷积神经网络的遥感图像目标检测方法》2020.05.25
- 《表1 目标检测结果：基于Faster R-CNN的遥感图像目标检测技术》2020.04.30
- 《表3 运行时间：结合残差编解码网络和边缘增强的遥感图像去噪》2020.01.25
- 《表4 改进部分的对比表：基于RetinaNet的SAR图像舰船目标检测》2020.02.25
- 《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3 特征增强方法对光学遥感图像目标检测的影响》2020.01.01
- 《表4 各独立模块对光学遥感图像目标检测的影响》2020.01.01
- 《表2 锚框尺寸分配：光学遥感图像目标检测方法》2019.10.01
- 《表2 BP神经网络参数：基于改进自组织神经网络的遥感图像分类研究》2019.02.28
- 《表3 分类统计表：基于改进自组织神经网络的遥感图像分类研究》2019.02.28
- 《表2 梯度优化调参：基于改进型残差网络烟雾图像识别》2019.11.18
- 《表1 激活函数调参：基于改进型残差网络烟雾图像识别》2019.11.18
- 《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
- 《表4 浮点运算次数对比：基于反残差结构的轻量级多目标检测网络》2019.11.25