《表1 YOLOv2网络结构》
提示：宽带有限、当前游客访问压缩模式
YOLOv2共25层，其中包括1个图像输入层、7个卷积层、6个批量归一化层、6个ReLU层、3个最大池化层、1个变换层、1个输出层，如表1所示。
| 图表编号 | XD00210377300 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.12.25 |
| 作者 | 戚金凤、罗国荣 |
| 绘制单位 | 广州科技职业技术大学汽车工程学院、广州科技职业技术大学汽车工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 测试结果数据统计：基于YOLOV2卷积神经网络的双目视觉系统设计》2020.10.01
- 《表1 YOLOv1,SSD和YOLOv2检测结果对比》2021.02.25
- 《表7 YOLOv2与本文算法的AP值对比》2020.06.16
- 《表1 改进YOLOv2物体检测的准确率》2020.05.01
- 《表2 测试结果：基于改进YOLOv2模型的多目标识别方法》2020.05.25
- 《表1 网络框架：基于改进YOLOv2模型的多目标识别方法》2020.05.25
- 《表2 YOLOv2模型的训练结果对比》2020.04.15
- 《表2 人工数据集参数：基于YOLOv2模型的道路目标检测改进算法》2019.12.15
- 《表3 模型对比结果：基于YOLOv2模型的道路目标检测改进算法》2019.12.15
- 《表2 DFS与YOLOv2性能对比》2019.12.01
- 《表1 资源耗费比较：基于Zynq7000 FPGA异构平台的YOLOv2加速器设计与实现》2019.10.01
- 《表1 YOLOv2-dense网络参数》2019.08.16
- 《表2 数据集分配表：基于改进YOLOv2的快速安全帽佩戴情况检测》2019.05.01
- 《表3 测试结果：基于改进YOLOv2的快速安全帽佩戴情况检测》2019.05.01
- 《表2 采用YOLOv2的检测结果Tab.2 Detection results by using YOLOv2 with different thresholds》2019.01.10
- 《表3 YOLOv2＿PPM和YOLOv2性能对比》2019.02.01
- 《表4 YOLOv2＿PPM不同输出尺寸性能对比》2019.02.01
- 《表1 YOLOv2网络参数》2019.02.01
- 《表1 网络配置参数：基于YOLOv2的复杂场景下车辆目标检测》2018.05.05
- 《表1 SSD＿Mobile Netv1,yolov2识别率对比表》2019.11.26