《表1 数据集以及数据量：基于深度学习的SAR目标检测方法》
提示：宽带有限、当前游客访问压缩模式
经增强后，生成27 696张图像，44 096个电塔，73 418个城镇从中随机挑选19 387张作为训练集，8 309张作为测试集。数据集处理结果如表1所示。
| 图表编号 | XD004975900 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.10.01 |
| 作者 | 梁怿清、王小华、陈立福 |
| 绘制单位 | 长沙理工大学电气与信息工程学院、长沙理工大学电气与信息工程学院、长沙理工大学电气与信息工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 数据集参数：基于深度学习的交通标志检测系统仿真》2020.09.15
- 《表1 实验数据集：基于深度迁移学习的网络入侵检测》2020.09.05
- 《表1 数据集的划分：基于深度学习的实时吸烟检测算法》2021.02.01
- 《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 目标识别数据集：基于改进深度卷积生成对抗网络的路面指示标志识别方法》2020.06.28
- 《表1 实验数据集：基于深度卷积神经网络的舰载机目标检测》2020.05.10
- 《表4 数据集2检测结果：基于深度序列加权核极限学习的入侵检测算法》2020.03.01
- 《表6 数据集4检测结果：基于深度序列加权核极限学习的入侵检测算法》2020.03.01
- 《表5 数据集3检测结果：基于深度序列加权核极限学习的入侵检测算法》2020.03.01
- 《表3 数据集1检测结果：基于深度序列加权核极限学习的入侵检测算法》2020.03.01
- 《表2 数据集组成：基于深度学习的工业自动化包装缺陷检测方法》2020.04.10
- 《表1 常用数据集比较：深度学习的视觉关系检测方法研究进展》2019.09.21
- 《表1 数据集：基于深度学习的柑橘实时识别方法》2020.01.15
- 《表1 数据集汇总：基于深度学习的视频行为识别方法综述》2019.12.20
- 《表2 数据集参数：基于时序深度学习的机会网络链路预测方法》2019.09.01
- 《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 数据集分配表：一种深度学习的非机动车辆目标检测算法》2019.04.15
- 《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1 动作识别数据集：基于深度学习的动作识别方法简述》2019.10.25