《表3 在Caltech数据库中不同方法的检测结果》
提示：宽带有限、当前游客访问压缩模式
利用Caltech行人数据集来检验算法的性能。获得的可用于描述不同分类器性能的检测错误曲线如图4所示。所有测试样本在3种分类器下的漏检率和误检率，如表3所示。
| 图表编号 | XD00102226200 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.10.01 |
| 作者 | 蔡凡 |
| 绘制单位 | 闽南理工学院,工业自动化控制技术与信息处理福建省高校重点实验室 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表8 不同方法在Caltech数据集上的对数平均漏检率》2021.02.16
- 《表6 DC-CSP在Caltech数据集上的实验结果》2021.02.16
- 《表2 C-CSP在Caltech数据集上的实验结果》2021.02.16
- 《表3 不同方法在DUTLF-MV数据集上的显著性检测结果对比》2020.12.16
- 《表6 不同方法在LFSD数据集上的显著性检测结果对比》2020.12.16
- 《表2 几种先进方法在Caltech数据集的平均误检率对比》2021.01.25
- 《表5 不同方法在INRIA数据库上的行人检测性能对比结果》2021.02.18
- 《表1 不同情况下的目标检测方法在数据集KITTI上的目标检测实验结果》2020.11.28
- 《表2 本文算法在Caltech-lanes数据集上的实验结果》2020.06.16
- 《表3 不同方法在车辆行驶动态数据集上的检测结果》2020.06.01
- 《表1 两种检测方法在患者不同部位标本中的检测结果比较（n,%)》2020.08.20
- 《表2 不同方法在COCO 2014数据集上的目标检测结果》2020.06.20
- 《表1 不同方法在VOC 2007数据集上的目标检测结果》2020.06.20
- 《表2 在ETH数据库中不同方法的检测结果》2019.10.01
- 《表2 在不同数据库中不同方法的识别结果》2019.08.15
- 《表2 各方法在数据集Office-Caltech上识别结果》2019.07.16
- 《表2 不同算法在Caltech数据集的平均缺失率的比较》2019.06.01
- 《表3 AT&T数据库中不同方法在不同训练样本个数下的错分结果》2019.06.25
- 《表3 不同网络模型在caltech256上的性能》2019.02.01
- 《表2 几种方法在Caltech101数据库上的实验结果》2018.07.01