《表1 模型训练环境配置：基于DSSD的接触网鸟窝识别检测研究》
提示：宽带有限、当前游客访问压缩模式
本文使用Caffe平台进行检测，并采用GPU加速，具体实验硬件配置如表1所示。
| 图表编号 | XD002441600 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.12.01 |
| 作者 | 周俊、陈剑云 |
| 绘制单位 | 华东交通大学电气与自动化工程学院、华东交通大学电气与自动化工程学院 |
| 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1 实验环境配置表：基于人工智能的轻量级模型对烟雾检测研究及应用》2020.12.15
- 《表2 实验环境配置：基于YOLOv5网络模型的人员口罩佩戴实时检测》2021.02.25
- 《表A4实验环境硬件配置：基于组合式目标检测框架的低漏报率缺陷识别方法》2021.02.28
- 《表1 实验环境配置：基于金字塔模型和注意力机制的YOLO V3目标检测算法》2020.11.01
- 《表2 模型训练正确率：基于深度学习的ELM实时识别研究》2020.12.15
- 《表1 实验环境与配置：基于章节段落的学术文献结构功能识别方法研究》2020.09.30
- 《表1 算法性能分析结果：基于深度学习的输电线路杆塔鸟窝识别方法研究》2020.08.25
- 《表2 模型训练环境：基于深度学习的驾驶员状态识别》2020.02.15
- 《表1 硬件环境配置：基于循环神经网络模型的用户入侵行为检测与管控研究》2020.02.01
- 《表1 实验环境配置：基于汇编指令词向量特征的恶意软件检测研究》2020.02.05
- 《表1 实验环境软件配置：基于分布式的玻璃缺陷检测技术研究及性能优化》2019.12.25
- 《表1 实验环境配置：复杂场景下基于R-FCN的小人脸检测研究》2020.01.01
- 《表1 模拟训练损伤工况：基于AR模型和GRNN的结构损伤识别研究》2019.10.28
- 《表4 不同方法比较：基于深度卷积神经网络的铁路接触网鸟窝检测方法研究》2019.07.10
- 《表2 不同模型比较：基于深度卷积神经网络的铁路接触网鸟窝检测方法研究》2019.07.10
- 《表2 模型训练结果：基于HMM的虚拟场景控制手势识别研究》2018.12.20
- 《表2 训练及识别时间：基于深度神经网络的说话人识别模型研究》2018.10.01
- 《表1 实验环境配置：基于CNN和LSTM混合模型的人体跌倒行为研究》2019.12.01
- 《表2 模型训练结果对比：基于DSSD的接触网鸟窝识别检测研究》2019.12.01