科研图表库
学习强国
☭ 国家好民族好,大家才会好
《表1 训练结果表:基于深度神经网络的鸟类图像识别系统设计》
提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:
随高清版一同展现
《基于深度神经网络的鸟类图像识别系统设计》
获取 高清版本
忘记账户?点击这里
登录
下载图表
忘记账户?点击这里
登录
表1给出了系统性能测试结果。
图表编号
XD0093174200 严禁用于非法目的
绘制时间
2019.09.10
作者
刘坚
绘制单位
上海理工大学光电信息与计算机工程学院
更多格式
高清、无水印(增值服务)
查看“表1 训练结果表:基于深度神经网络的鸟类图像识别系统设计”的人还看了
表2 测试实验对比结果:基于深度学习算法的水稻飞虱虫害图像测报系统设计
表1 测试指标和结果:基于深度卷积神经网络的数字病理辅助诊断系统设计
表1 迁移网络结构信息:基于深度学习的黑钨矿图像识别选矿方法
表1 网络计算量比对:基于深度学习的人脸识别智能引导系统
表1 图像采集信息:基于深度学习的车辆识别系统设计
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
上一表
《表1 同心孔试验结果参考表》
下一表
《表2 电机参数:基于滚筒清洗和圆
相关图表
《表2 测试实验对比结果:基于深度学习算法的水稻飞虱虫害图像测报系统设计》
2020.11.01
《表1 测试指标和结果:基于深度卷积神经网络的数字病理辅助诊断系统设计》
2020.12.15
《表1 迁移网络结构信息:基于深度学习的黑钨矿图像识别选矿方法》
2020.05.01
《表1 网络计算量比对:基于深度学习的人脸识别智能引导系统》
2020.04.28
《表1 图像采集信息:基于深度学习的车辆识别系统设计》
2020.05.30
《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1 识别效果:生成对抗网络图像类别标签跨模态识别系统设计》
2020.04.15
《表3 神经网络训练结果:基于迁移学习的植物花朵图像识别方法》
2020.03.01
《表2 纹理特征参数:基于BP神经网络的图像识别系统》
2019.12.15
《表2 识别结果对比:基于深度图像的手势识别研究》
2019.10.01
《表1 网络训练结果:基于深度图像的手势识别研究》
2019.10.01
《表1 实验结果比较:基于深度网络和数据增强的多物体图像识别》
2019.05.01
《表4 网络模型比较:基于SqueezeNet深度网络的中药材粉末显微特征图像识别研究》
2019.04.01
《表2 模型训练过程:基于深度神经网络的网络安全实体识别方法》
2019.01.30
《表1 水稻病害特征描述:基于深度卷积神经网络的水稻病害图像识别研究》
2019.03.01
《表2 训练及识别时间:基于深度神经网络的说话人识别模型研究》
2018.10.01
随机翻阅
《表1 杏鲍菇基本成分含量》
《表2 枣各性状之间的相关系数》
《表3 辽宁省植物病理学研究领域被引频次前20位的文献信息》
《表3 水下不分散复合化学膏浆的主要性能指标》
《表2 文献的障碍类型数量分布情况》
《表5 液压缸主要参数:移动式垃圾压缩站液压系统设计》
《表4 造纸法再造烟叶浓缩过程中主要中性香味物质种类及含量》
《表3 两组患者干预前后QLQ-C30得分比较 (±s) 分》
《表1 不同K值所对应的耕地压力状态与粮食安全水平》
《表3 离子型稀土矿土壤环境成本速查表》