《表3 进行二次稀疏光流后不同异常状态下行为识别率，》
提示：宽带有限、当前游客访问压缩模式
对比文献[12]中需要搭载在GPU环境下，本文的方法在确保识别率的基础之上，可以搭载在CPU环境下，因此本文的方法更具有实用性和普及性。
| 图表编号 | XD00101478200 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.08.01 |
| 作者 | 赵一秾、李若熙、曹语含、陈小静、张学东 |
| 绘制单位 | 辽宁科技大学软件学院、辽宁科技大学软件学院、辽宁科技大学软件学院、辽宁科技大学软件学院、辽宁科技大学软件学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表8 不同异常情况下监测网络运行状态评估结果》2021.02.25
- 《表1 相机内参表：基于ArUco Marker及稀疏光流的动态目标实时跟踪技术》2021.02.01
- 《表2 测量结果：基于ArUco Marker及稀疏光流的动态目标实时跟踪技术》2021.02.01
- 《表3 对正常状态和分合闸机构故障（替换弹簧2）进行训练的识别效果》2021.02.10
- 《表4 对正常状态和合闸弹簧疲劳进行训练的识别效果》2021.02.10
- 《表1 对正常状态和铁心卡涩故障进行训练的识别效果》2021.02.10
- 《表5 对所有状态进行训练的识别效果》2021.02.10
- 《表2 两组患者进行不同护理干预后的心理状态对比》2020.07.28
- 《表2 两组患者进行不同护理干预后的心理状态对比》2020.07.28
- 《表3 各算法的识别结果：源域多样本集成GFK的不同工况下滚动轴承寿命状态识别》2020.06.01
- 《表1 不同钻井作业场景下异常行为特征及识别规则》2020.02.15
- 《表3 不同人群异常行为识别算法的所耗时间》2020.07.18
- 《表2 不同算法的人群异常行为识别准确率》2020.07.18
- 《表3 不同交通状态下交通方式转换点识别误差区间分布》2020.08.01
- 《表3 URFD数量分布：跌倒异常行为的双重残差网络识别方法》2020.09.01
- 《表3 车辆偏离状态行为识别结果》2020.01.01
- 《表2 不同行走状态下的算法识别率》2019.12.25
- 《表2 进行二次稀疏光流前不同异常状态下的行为识别率，》2019.08.01
- 《表2 多种异常行为识别对比》2019.04.01
- 《表3 第二次加重后不同转速下齿轮箱振动数值》2019.07.01