《表1 多尺度卷积参数：基于深度学习的单幅图像去雾算法》
提示：宽带有限、当前游客访问压缩模式
4种大小不同的卷积核分别进行卷积运算，接着进行concat连接，得到64个特征图，然后将64个特征图再次进行多尺度卷积，以捕获更多的不同尺度的特性。
| 图表编号 | XD0066605100 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.06.10 |
| 作者 | 赵建堂 |
| 绘制单位 | 咸阳师范学院数学与信息科学学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 残差网络参数：基于多尺度信息融合的图像识别改进算法》2020.09.01
- 《表1 原风机的主要参数：自适应卷积的残差修正单幅图像去雨》2020.12.16
- 《表2 电热耦合模型参数：基于深度学习的图像语义分割算法研究》2020.12.31
- 《表1 MRM优化参数：基于深度学习的图像语义分割算法研究》2020.12.31
- 《表2 各算法的AG对比：基于超像素分割和暗亮通道结合的单幅图像去雾》2020.08.25
- 《表1 不同算法的对比：基于超像素分割和暗亮通道结合的单幅图像去雾》2020.08.25
- 《表3 不同算法去雾结果：基于暗通道的单幅图像雾天低能见度检测算法》2020.03.30
- 《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 客观指标比较：结合高斯滤波和导向滤波的单幅图像去雾算法》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5 测试结果：一种基于生成对抗网络的单幅图像去雾算法》2019.10.05
- 《表1 片内资源使用情况：单幅图像快速去雾算法研究与实现》2019.09.25
- 《表1 主观质量评价尺度：基于无参考图像质量评价的反卷积去模糊算法》2019.08.01
- 《表1 清晰度比较：基于暗原色先验的单幅图像去雾优化技术》2019.06.01
- 《表1 实验环境：基于GPU的单幅图像去雾的实现及优化》2019.01.01
- 《表3 性能比较：基于深度学习的图像去雾霾研究》2018.08.25