《表1 数据信息表：基于DCNN的布匹疵点检测方法》
提示：宽带有限、当前游客访问压缩模式
本文方法实验时将数据随机分为训练集和测试集，用“0”和“1”对样本进行标注，以“0”类代表布匹上无疵点，“1”类代表布匹上存在疵点。具体数据集信息如表1所示。
| 图表编号 | XD00212171100 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2021.01.15 |
| 作者 | 孙羽、何志勇、张浩、刘旭华 |
| 绘制单位 | 苏州大学机电工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 核函数参数图：基于机器学习的织物疵点检测》2020.10.25
- 《表1 试验数据记录表：基于小波分析方法检测电网信息故障的研究》2020.09.25
- 《表2 试件具体参数：基于DCNN的布匹疵点检测方法》2021.01.15
- 《表1 数据帧格式：基于MF-SSD网络的织物疵点检测》2020.12.10
- 《表1 语言决策矩阵：一种基于DCNN-LSTM混合模型的RUL预测方法》2020.12.25
- 《表1 六组测试数据信息：基于改进相干增强扩散与纹理能量测度和高斯混合模型的导光板表面缺陷检测方法》2020.05.10
- 《表2 算法稳定性对比：基于低秩分解的织物疵点检测》2020.05.15
- 《表1 平均用时对比：基于低秩分解的织物疵点检测》2020.05.15
- 《表2 数据集信息表：基于多分辨率网格的异常检测方法》2020.09.01
- 《表2 实验环境参数：基于深度残差网络的布匹疵点检测方法》2020.04.01
- 《表1 代价函数运算次数：基于改进Gabor优化选择的布匹瑕疵检测方法》2019.12.15
- 《表2 算法性能指标：基于改进Gabor优化选择的布匹瑕疵检测方法》2019.12.15
- 《表3 运算次数：基于改进Gabor优化选择的布匹瑕疵检测方法》2019.12.15
- 《表1 常见几种疵点检测方法的优劣势》2019.09.10
- 《表2 基于DCNN的云检测模型的分类》2019.06.01
- 《表2 基于多种算法的布匹疵点判决结果对比》2019.08.01
- 《表1 SVM训练结果：基于DCNN特征的建筑物震害损毁区域检测》2019.06.01
- 《表1 数据集信息描述：基于方形邻域和裁剪因子的离群点检测方法》2019.01.01
- 《表7 模型训练时间：基于dCNN的入侵检测方法》2019.01.01
- 《表1 部分实验数据：基于RBF神经网络的冲击地压检测信息融合方法》2018.07.30