《表1 训练环境配置：基于深度学习的无人机拍摄图像绝缘子目标检测》
提示：宽带有限、当前游客访问压缩模式
CPU主要用于串行运算，GPU可用于大规模并行运算[10]，由于深度学习样本量、参数量十分巨大，将性能优良的GPU用于加速网络运算，可以十分显著地提高网络训练速度，从而大幅缩减训练时间。本文训练环境见表1所示:
| 图表编号 | XD00222381700 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.10.25 |
| 作者 | 杨焰飞、曹阳 |
| 绘制单位 | 重庆理工大学电气与电子工程学院、重庆理工大学电气与电子工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 训练环境：基于深度学习的交通标志检测系统仿真》2020.09.15
- 《表2 模型识别精度对比：基于深度学习的无人机拍摄图像绝缘子目标检测》2020.10.25
- 《表1 不同场景下精确率：结合核相关滤波器和深度学习的运动相机中无人机目标检测》2020.09.25
- 《表1 实验设备配置：深度学习目标检测算法在货运列车车钩识别中的应用》2020.10.01
- 《表1 MSTAR数据：基于仿真SAR图像深度迁移学习的自动目标识别》2020.07.15
- 《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3 参数配置表：基于深度递归强化学习的无人自主驾驶策略研究》2020.04.25
- 《表1 模型训练结果：基于深度学习的电器目标检测》2020.01.01
- 《表2 实验环境配置：基于深度学习的单幅图像三维重建算法》2020.01.01
- 《表4 测试样本来源：基于深度学习的无人值守地面传感器目标检测与识别方法》2019.09.01
- 《表3 实验环境配置：用于图像超分辨率重构的深度学习方法综述》2019.09.01
- 《表1 人脸年龄估计训练：基于深度学习的人脸图像年龄估计》2019.09.25
- 《表1 计算机硬件配置：基于深度学习的输变电设备异常发热点红外图片目标检测方法》2019.02.20
- 《表1 实验对比结果：一种基于Gabor深度学习的无人机目标检测算法》2019.08.01
- 《表1 实验环境配置：基于深度学习的复杂背景雷达图像多目标检测》2019.06.01
- 《表1 超参数配置：基于动态融合目标的深度强化学习算法研究》2019.04.01
- 《表1 实验环境硬件配置：基于深度学习的无人机侦察图像目标识别》2019.10.10
- 《表1 数据获取方法：一种基于深度学习的禁飞区无人机目标识别方法》2018.06.01
- 《表4 综合对比：一种基于深度学习的禁飞区无人机目标识别方法》2018.06.01
- 《表1 软件开发环境配置：基于深度学习的行人检测》2019.12.18