《表1 实验结果对比：基于卷积神经网络的电力杆塔图像智能识别算法研究》
提示：宽带有限、当前游客访问压缩模式
不同迭代次数下各识别算法的误识率与耗时如表1所示。
| 图表编号 | XD00228397300 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.09.25 |
| 作者 | 刘姜、郭景武、付子峰、刘春堂、李龙云 |
| 绘制单位 | 国网湖北省电力有限公司检修公司、国网湖北省电力有限公司检修公司、国网湖北省电力有限公司检修公司、国网湖北省电力有限公司检修公司、国网湖北省电力有限公司检修公司 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 各算法的性能对比：基于边缘计算和无人机巡检图像的输电杆塔关键部位隐患智能识别》2020.10.25
- 《表4 对比实验结果：基于卷积神经网络的商品图像识别》2020.12.10
- 《表1 模型性能对比：基于卷积神经网络的手势识别算法研究》2021.01.20
- 《表1 对比实验结果：基于多尺度特征融合的水果图像识别算法研究》2021.02.01
- 《表4 算法运行硬件配置：基于卷积神经网络的电力操作票文字识别方法》2020.04.25
- 《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 对比表：基于卷积神经网络的电力杆塔图像识别学习算法研究》2020.06.25
- 《表2 卷积层2：基于深度卷积生成对抗网络的图像识别算法》2020.04.01
- 《表5 判别器参数表：基于深度卷积生成对抗网络的图像识别算法》2020.04.01
- 《表3 卷积层3：基于深度卷积生成对抗网络的图像识别算法》2020.04.01
- 《表1 卷积层1：基于深度卷积生成对抗网络的图像识别算法》2020.04.01
- 《表4 输出：基于深度卷积生成对抗网络的图像识别算法》2020.04.01
- 《表1 与初始框架对比：基于改进RPN网络的电力设备图像识别方法研究》2020.01.05
- 《表1 对比实验结果：基于组合色彩空间和卷积神经网络的手势识别算法》2019.10.15
- 《表6 其他算法实验结果：基于卷积神经网络的高分辨率雷达目标识别》2019.08.25
- 《表1 白癜风识别结果：基于卷积神经网络的白癜风智能检测研究》2019.09.10
- 《表1 实验结果：基于改进卷积神经网络的人脸识别算法》2019.07.31
- 《表1 识别算法结果对照：基于卷积神经网络的水稻纹枯病图像识别》2019.01.10
- 《表2 实验结果：基于无监督特征选择和卷积神经网络的图像识别算法》2018.10.25
- 《表1 实验参数设置：基于无监督特征选择和卷积神经网络的图像识别算法》2018.10.25