《表1 交通标志识别结果对比》
提示：宽带有限、当前游客访问压缩模式
神经网络改进前后交通标志识别结果如表1所示。
| 图表编号 | XD00135956400 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.03.01 |
| 作者 | 罗山、李平安 |
| 绘制单位 | 攀枝花学院交通与汽车工程学院、攀枝花学院交通与汽车工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 交通标志识别结果：沉管隧道混凝土路面沥青保护层关键性能研究》2020.12.01
- 《表3 展开剂的选择结果：基于轻量型卷积神经网络的交通标志识别》2020.12.28
- 《表3 算法对比：一种基于深度学习的交通标志识别新算法》2021.01.28
- 《表2 识别实验结果数据：基于CNN算法的交通标志检测与识别》2020.06.25
- 《表1 检测实验结果数据：基于CNN算法的交通标志检测与识别》2020.06.25
- 《表3 对比算法测试结果：基于改进深度卷积生成对抗网络的路面指示标志识别方法》2020.06.28
- 《表2 不同交通状态下交通方式识别正确率统计结果》2020.08.01
- 《表1 实验结果对比表：基于全卷积神经网络的国内常见交通警告标志识别》2020.04.01
- 《表8 一般环境下标志牌识别结果》2020.01.24
- 《表5 交通标志牌识别模型对比[14-16]》2020.01.24
- 《表1 结果参数：基于在线地图交通状态的关键道路动态识别方法》2019.10.01
- 《表7 与经典算法对比：深度特征重构与权重分配的交通标志识别算法》2019.09.01
- 《表5 时间复杂度对比：基于多特征融合的交通标志识别算法》2019.09.15
- 《表2 不同方法对比：基于深度森林的交通标志识别方法研究》2019.05.25
- 《表2 仿真结果对比：基于感兴趣区域的CNN-Squeeze交通标志图像识别》2019.06.01
- 《表1 实验结果：基于深度学习的交通标志识别算法》2019.06.01
- 《表2 交通标志6大子类识别结果比较表》2019.05.01
- 《表1 苯和丙酮识别结果：基于模板匹配的肺癌呼出气体标志物识别研究》2019.01.01
- 《表1 高差结果对比：近景摄影测量沉降标志设计与自动识别算法研究》2018.09.30
- 《表1 实验效果对比：基于YOLO v3的交通标志牌检测识别》2019.11.20