《表2 泄漏检测模型池化层结构》
提示：宽带有限、当前游客访问压缩模式
在前3个激活层之后均有池化层，分别是S1、S2和S3，其结构如表2所示。
| 图表编号 | XD0093028400 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.08.15 |
| 作者 | 滕潇、李传坤、李乐宁 |
| 绘制单位 | 中国石化青岛安全工程研究院、中国石化青岛安全工程研究院、中国石化青岛安全工程研究院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 不同池化策略下的全局特征对模型的影响》2020.06.01
- 《表1 CNN卷积层与池化层参数设置》2020.12.10
- 《表2 不平衡样本划分：不平衡样本下基于高斯混合生成模型的泄漏检测方法》2021.02.10
- 《表1 时频域特征：不平衡样本下基于高斯混合生成模型的泄漏检测方法》2021.02.10
- 《表1 网络A、网络B卷积层和池化层详细参数》2020.10.10
- 《表2 最大池化及平均池化的检测结果》2020.12.31
- 《表6 有无最大池化层的分类精度》2020.08.25
- 《表1 不同池化压缩结果：多尺度显著区域检测图像压缩》2020.01.16
- 《表1 C-3D可变形卷积神经网络模型中卷积层与池化层的具体参数设置》2020.02.25
- 《表2 各类字位标注集：无池化层卷积神经网络的中文分词方法》2020.01.15
- 《表3 数据集统计信息：无池化层卷积神经网络的中文分词方法》2020.01.15
- 《表5 神经网络超参数：无池化层卷积神经网络的中文分词方法》2020.01.15
- 《表1 字位标注示例：无池化层卷积神经网络的中文分词方法》2020.01.15
- 《表4 实验环境：无池化层卷积神经网络的中文分词方法》2020.01.15
- 《表5 疲劳检测实验结果：基于多尺度池化卷积神经网络的疲劳检测方法研究》2019.11.01
- 《表1 泄漏检测模型卷积层结构》2019.08.15
- 《表1 DBCC模型的输入层至第2池化层各层的具体模型构建参数》2019.09.01
- 《表1 多输入花卉分类模型和结果 (忽略池化层, conv1*指代conv1a, conv1b和conv1c, 下同)》2019.06.01
- 《表1 AlexNet模型卷积层和池化层参数》2019.05.01
- 《表2 各种分类模型结果：尺度空间金字塔池化的肺结节分类研究》2019.12.16