《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》
提示：宽带有限、当前游客访问压缩模式
对两种模型均训练40 000次，并通过同一组测试数据分别对两种模型的训练结果进行测试，测试精度如下表2所示:
| 图表编号 | XD00222381800 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3 模型识别精度对比：基于图像处理的输送带跑偏故障在线检测技术研究》2020.10.20
- 《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》2020.10.25
- 《表2 目标检测实验结果：基于深度学习的生猪饮水行为识别研究》2021.01.15
- 《表2 SARSIM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1 基于深度学习的目标检测模型性能对比》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1：测试结果：一种基于深度学习图像识别与红外温度检测的灭火装置》2020.04.15
- 《表2 模型的识别精度：基于迁移学习的卷积神经网络玉米病害图像识别》2020.02.25
- 《表1 模型精度对比：基于高分辨率SAR影像和深度学习的输电杆塔智能识别研究》2020.02.25
- 《表2 算法检测精度：基于深度学习的驾驶场景关键目标检测与提取》2019.12.30
- 《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2 平均识别率对比：基于深度学习的SAR图像目标识别算法》2019.08.01
- 《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2 基于深度学习目标检测模型性能、优缺点对比》2019.06.01
- 《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2 处理精度对比：基于深度学习的远程激光图像特征动态跟踪》2019.02.25
- 《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 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