《表1 SCUT-HEAD-B数据集训练结果》
提示：宽带有限、当前游客访问压缩模式
实验结果表明，深度卷积神经网络适当地压缩网络结构，能取得相当的性能，同时有效地减少推理时间，满足实际场景中的应用。
| 图表编号 | XD00208969400 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.10.25 |
| 作者 | 成玉荣、陈湘军、杜晨浩、胡海洋 |
| 绘制单位 | 江苏理工学院计算机工程学院、江苏理工学院计算机工程学院、江苏理工学院计算机工程学院、江苏理工学院计算机工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 训练数据集的模型预测结果》2020.10.01
- 《表1 训练集、测试集、验证集数据比例分布》2020.10.01
- 《表3 在交叉数据集之间进行训练和测试的消融实验结果》2021.03.20
- 《表2 在单个数据集内进行训练和测试的消融实验结果》2021.03.20
- 《表1 训练、剪枝、微调得到的各模型在Vis Drone-Det数据集上的测试结果》2021.01.18
- 《表7 网络层数、网络总参数量、训练参数量和测试数据集耗时的结果对比》2020.05.15
- 《表3 b Ab I 10k数据集训练结果》2020.05.01
- 《表5 扩展LSP数据集上训练的模型的验证结果对比》2020.06.10
- 《表1 训练结果对比：人体活动识别数据集的数据处理方法》2020.03.01
- 《表1 训练集、测试集数据量》2020.02.16
- 《表6 RSNA数据集不同性别训练结果》2020.03.25
- 《表1 分割网络在不同数据集上训练的模型在测试集上的测试结果(%)》2020.01.30
- 《表4 故障样本数占整个训练集1%或5%时，在涡轴发动机数据集上的实验结果》2020.03.10
- 《表2 小数据集参数训练结果》2019.10.01
- 《表2 结直肠腺癌数据集训练测试结果》2019.10.01
- 《表6 单个数据集训练与多个数据集联合训练的结果对比》2019.10.01
- 《表3 VEDAI数据集的训练结果》2019.07.16
- 《表3 模型训练结果：软件开发活动数据集的层次化、多版本化方法》2019.07.01
- 《表2 使用SMOTE算法对阳性数据增量后训练集的结果》2019.01.15
- 《表2 变压器故障数据训练集诊断结果》2018.08.25