《表4 综合对比：一种基于深度学习的禁飞区无人机目标识别方法》
提示：宽带有限、当前游客访问压缩模式
根据表2及表3中实验数据的分析结果，将两种模型在学习率为0.1，迭代100次时的实验数据进行综合对比，如表4。
| 图表编号 | XD007492500 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2018.06.01 |
| 作者 | 虞晓霞、刘智、耿振野、陈思锐 |
| 绘制单位 | 长春理工大学电子信息工程学院、长春理工大学电子信息工程学院、长春理工大学电子信息工程学院、长春理工大学电子信息工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 模型识别精度对比：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2 不同算法模型对比：一种基于深度学习的车辆识别算法》2020.12.25
- 《表3 算法对比：一种基于深度学习的交通标志识别新算法》2021.01.28
- 《表2 三种建模方法对比：一种基于深度学习的网络异常行为检测方法》2020.08.01
- 《表4 激活函数对比试验：基于深度学习的人脸识别方法》2020.02.20
- 《表1 池化方式对比表：基于深度学习的人脸识别方法》2020.02.20
- 《表2 平均误识别率对比：基于深度学习的足球机器人视觉识别方法》2020.05.25
- 《表2 识别效果对比表：一种深度学习的雷达辐射源识别方法》2020.06.20
- 《表4 识别率对比/%：基于深度学习的人体动作识别方法》2020.04.16
- 《表3 各动作识别率对比：基于深度学习的人体动作识别方法》2020.04.16
- 《表6 综合实验结果对比：肝癌患者在线提问的命名实体识别研究:一种基于迁移学习的方法》2019.12.25
- 《表1 手势识别方法对比：基于深度学习的手势识别研究》2019.11.15
- 《表4 测试样本来源：基于深度学习的无人值守地面传感器目标检测与识别方法》2019.09.01
- 《表1 鉴定试验结果：一种基于深度学习的有孔虫化石识别方法》2019.09.01
- 《表2 平均识别率对比：基于深度学习的SAR图像目标识别算法》2019.08.01
- 《表1 实验对比结果：一种基于Gabor深度学习的无人机目标检测算法》2019.08.01
- 《表2 分类算法对比结果：基于集成深度学习的玻璃缺陷识别方法》2019.02.25
- 《表3 不同方法对比：基于集成深度学习的玻璃缺陷识别方法》2019.02.25
- 《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
- 《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