《算法2 回归算法流程：基于深度学习的飞机目标跟踪应用研究》
提示：宽带有限、当前游客访问压缩模式
回归算法的具体操作的训练流程如算法2所示。
| 图表编号 | XD0087179700 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.09.01 |
| 作者 | 赵春梅、陈忠碧、张建林 |
| 绘制单位 | 中国科学院光电技术研究所、中国科学院大学、中国科学院光电技术研究所、中国科学院光电技术研究所 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 测试集结果对比：深度学习目标检测算法在货运列车车钩识别中的应用》2020.10.01
- 《表1 实验设备配置：深度学习目标检测算法在货运列车车钩识别中的应用》2020.10.01
- 《表2 多元回归分析结果：基于深度学习的车辆时序动作检测算法》2020.12.16
- 《表1 欧洲锈蚀等级：基于深度学习目标检测的电力设备锈蚀缺陷检测算法》2020.12.05
- 《表3 各指标名称及定义：基于深度学习的目标跟踪技术的研究综述》2020.12.01
- 《表1 算法跟踪指标：基于深度学习的行人单目标跟踪》2020.05.15
- 《表1 算法成功率对比：基于改进TLD的运动目标跟踪算法研究》2020.06.25
- 《表1 目标跟踪算法：判别相关滤波融合深度信息的目标跟踪算法》2020.04.01
- 《表5 无线KPI拐点：基于TensorFlow深度学习框架和CART算法的视频感知分析体系研究及应用》2019.12.01
- 《表2 算法检测精度：基于深度学习的驾驶场景关键目标检测与提取》2019.12.30
- 《表1 模型验证结果表：基于深度学习的目标检测算法在冷轧表面缺陷检测中的应用》2019.11.01
- 《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1 基于深度学习的视觉目标跟踪算法的性能对比》2019.06.25
- 《表3 算法分析：基于深度学习的视频跟踪研究进展综述》2019.05.15
- 《表3 平均Q值和标准差：基于动态融合目标的深度强化学习算法研究》2019.04.01
- 《表2 平均得分和标准差：基于动态融合目标的深度强化学习算法研究》2019.04.01
- 《表1 超参数配置：基于动态融合目标的深度强化学习算法研究》2019.04.01
- 《表2 视频跟踪结果：基于改进粒子滤波的视觉目标跟踪算法研究》2018.11.05
- 《表1 实验统计数据：基于深度学习的足球球员跟踪算法研究》2018.06.25