《表1 实验环境：一种基于深度学习的图像超分辨率重构方法》
提示：宽带有限、当前游客访问压缩模式
为了保证实验对比的公平性，在相同软硬件环境下训练网络，具体实验环境如表1所示﹒
| 图表编号 | XD002858400 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.11.01 |
| 作者 | 李蒸、张彤、朱国涛、王新、王威 |
| 绘制单位 | 长沙生产力促进中心、长沙理工大学计算机与通信工程学院、海军航空大学青岛校区、长沙理工大学计算机与通信工程学院、长沙理工大学计算机与通信工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 客观指标评价结果：基于深度学习与超分辨率重建的遥感高时空融合方法》2020.09.01
- 《表1 实验结果：一种基于超像素分割的遥感图像道路提取方法》2020.08.01
- 《表1 检测方案效果比较：基于深度学习和超分辨率重构技术的图像缺陷诊断算法》2020.06.01
- 《表1 残差学习实验：功能型复合深度网络的图像超分辨率重建》2020.08.01
- 《表1 先进方法概述：基于轻量自动残差缩放网络的图像超分辨率重建》2020.05.10
- 《表1 实验环境表：基于深度学习的农作物病害叶片的图像超分辨率重建》2020.04.30
- 《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4 拍摄实验图像评价：基于物方扫描的高分辨率图像重构技术研究》2020.08.10
- 《表3 仿真实验图像评价：基于物方扫描的高分辨率图像重构技术研究》2020.08.10
- 《表1：峰值信噪比数据表：基于深度学习的模糊图像超分辨率重建方法》2020.06.15
- 《表1 训练实验参数：基于SVM多分类的超分辨图像细粒度分类方法》2020.03.20
- 《表1 实验环境参数：基于残差通道注意力网络的医学图像超分辨率重建方法》2020.01.25
- 《表2 不同算法实验结果：一种基于齿科序列图像的超分辨率重建算法》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2 降维后的特征描述：一种基于深度学习的医学图像特征提取方法》2019.09.01
- 《表1 提取特征描述：一种基于深度学习的医学图像特征提取方法》2019.09.01
- 《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 实验数据集：DeepTriage:一种基于深度学习的软件缺陷自动分配方法》2019.01.01
- 《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