《表2 Mask-RCNN模型检测结果》
提示：宽带有限、当前游客访问压缩模式
使用Mask-RCNN模型对数据集进行训练，最后的测试结果如表2所示。由表2可知Mask-RCNN模型的检测准确率为62.5%，远远低于SSD算法模型的准确率。
| 图表编号 | XD00185154700 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.11.08 |
| 作者 | 刘晓音、谢红 |
| 绘制单位 | 上海工程技术大学纺织服装学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 分类效果对比图：基于Mask-RCNN迁移学习的红外图像电力设备检测》2021.01.01
- 《表1 设备检测效果：基于Mask-RCNN迁移学习的红外图像电力设备检测》2021.01.01
- 《表2 不同检测模型对比结果》2020.07.16
- 《表2 麦麸检测模型预测结果与传统检测结果比对》2021.01.18
- 《表1 mask-rcnn改进效果》2020.12.25
- 《表2 模型改进前后检测结果》2020.11.28
- 《表2 目标检测模型测试结果对比》2020.11.01
- 《表3 Mask-RCNN在测试数据集上的准确率》2020.07.25
- 《表2 实验参数设置：基于Mask-RCNN无分割手写数字字符串的识别》2020.07.25
- 《表2 各模型检测结果对比》2020.07.01
- 《表2 本文模型车辆检测结果》2020.05.16
- 《表2 4种网络模型的检测结果》2020.06.25
- 《表2 调压器故障检测模型测试结果》2020.01.15
- 《表2 各模型攻击检测结果对比》2020.01.01
- 《表2 不同卷积网络模型的检测结果》2020.01.10
- 《表2 点云分割结果评估：基于Mask-RCNN的树上苹果点云分割》2020.01.15
- 《表1 数据集：基于Mask-RCNN的树上苹果点云分割》2020.01.15
- 《表2 模型测试结果：基于前馈神经网络的入侵检测模型》2019.09.10
- 《表2 测试结果对比：基于Mask-RCNN的建筑物目标检测算法》2019.10.20
- 《表4 算法整体性能对比：基于Mask-RCNN的建筑物目标检测算法》2019.10.20