《表1 网络结构：基于去噪卷积自编码器的色织衬衫裁片缺陷检测》
提示：宽带有限、当前游客访问压缩模式
表1为输入图像经过3层卷积3层反卷积的卷积层数和最大池化层数的变化过程记录。
| 图表编号 | XD0057836000 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.06.30 |
| 作者 | 张宏伟、汤文博、李鹏飞、葛志强、高振铎 |
| 绘制单位 | 西安工程大学电子信息学院、浙江大学工业控制技术国家重点实验室、西安工程大学电子信息学院、西安工程大学电子信息学院、浙江大学工业控制技术国家重点实验室、西安工程大学电子信息学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 风载荷汇总表：基于双通道卷积神经网络的缺陷检测》2020.11.01
- 《表1 人工海水配方：基于双通道卷积神经网络的缺陷检测》2020.11.01
- 《表2 试验设计：基于双通道卷积神经网络的缺陷检测》2020.11.01
- 《表2 混淆矩阵：基于弹性网的深度去噪自编码器异常检测方法》2020.06.16
- 《表2 网络参数：基于深度一维残差卷积自编码网络的齿轮箱故障诊断》2020.04.05
- 《表1 数据描述：基于深度一维残差卷积自编码网络的齿轮箱故障诊断》2020.04.05
- 《表1 数据描述：基于深度一维残差卷积自编码网络的齿轮箱故障诊断》2020.04.05
- 《表1 参数配置：基于卷积神经网络的汽车涡轮增压器制造缺陷检测方法研究》2020.05.20
- 《表1 皮革缺陷描述：基于卷积神经网络与显著性特征的皮革缺陷检测》2020.06.01
- 《表2 卷积法测试结果：基于卷积神经网络与显著性特征的皮革缺陷检测》2020.06.01
- 《表3 系统仿真参数：基于卷积神经网络自编码器结构的空时分组传输方案》2020.07.28
- 《表5 测试结果的T检验：基于去噪自编码器和长短时记忆网络的语音测谎算法》2020.02.10
- 《表2 游戏玩家人数：基于去噪自编码器和长短时记忆网络的语音测谎算法》2020.02.10
- 《表3 模型参数：基于去噪自编码器和长短时记忆网络的语音测谎算法》2020.02.10
- 《表1 卷积模型：基于R-FCN深层卷积神经网络的金属冲压件表面缺陷检测》2020.01.10
- 《表1 聚类NMI值：基于去噪自编码的属性网络表征学习算法》2019.10.05
- 《表2 检测成功率：基于去噪卷积自编码器的色织衬衫裁片缺陷检测》2019.06.30
- 《表3 过检率：基于去噪卷积自编码器的色织衬衫裁片缺陷检测》2019.06.30
- 《表1 算法运行硬件配置：基于卷积神经网络的主变压器外观缺陷检测方法》2019.04.25
- 《表1 缺陷检测结果统计：基于卷积神经网络的轮胎X射线图像缺陷检测》2019.04.10