《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》
提示：宽带有限、当前游客访问压缩模式
深度学习是一个十分耗时的过程，神经网络参数调整伴随着百亿次的浮点运算，搭建一个性能良好的实验环境可以很大程度上提升学习效率。本实验环境的硬件配置如表1所示。
| 图表编号 | XD009452000 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.10.10 |
| 作者 | 张清亮、沈寿林、张国宁 |
| 绘制单位 | 陆军指挥学院、陆军指挥学院、陆军指挥学院 |
| 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1 训练环境配置：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A4实验环境硬件配置：基于组合式目标检测框架的低漏报率缺陷识别方法》2021.02.28
- 《表1 硬件和软件的配置：基于数据平衡深度学习的不同成熟度冬枣识别》2020.11.18
- 《表1 硬件配置：一种基于深度学习的交通标志识别新算法》2021.01.28
- 《表2 SARSIM数据：基于仿真SAR图像深度迁移学习的自动目标识别》2020.07.15
- 《表1 MSTAR数据：基于仿真SAR图像深度迁移学习的自动目标识别》2020.07.15
- 《表3 实验硬件平台配置：基于深度强化学习的单目视觉自动驾驶决策系统》2020.05.01
- 《表2 实验硬件环境：基于YOLO目标分割的船舶识别算法研究》2019.12.01
- 《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3 实验环境配置：用于图像超分辨率重构的深度学习方法综述》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 实验软硬件配置：基于RGB-D与深度学习的行为识别算法》2019.06.16
- 《表1 计算机硬件配置：基于深度学习的输变电设备异常发热点红外图片目标检测方法》2019.02.20
- 《表1 实验环境配置：基于深度学习的复杂背景雷达图像多目标检测》2019.06.01
- 《表1 硬件资源配置：基于深度学习的手势识别算法设计》2019.02.20
- 《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》2018.06.01
- 《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