《表2 算法结果比较：基于SWT法网络社交平台图像文本检测》
提示：宽带有限、当前游客访问压缩模式
利用本文方法检测图像文本得到的结果与其他算法相比较，结果如表2所示。无论是准确率或者时间效率，本文算法都较优于其他一些文献检测算法。
| 图表编号 | XD00107619200 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.10.15 |
| 作者 | 乔平安、刘佩龙 |
| 绘制单位 | 西安邮电大学计算机学院、陕西省网络数据分析与智能处理重点实验室、西安邮电大学计算机学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 不同算法去雾结果：基于暗通道的单幅图像雾天低能见度检测算法》2020.03.30
- 《表2 能见度计算结果：基于暗通道的单幅图像雾天低能见度检测算法》2020.03.30
- 《表1 三种算法实验结果：基于SMO算法的皮带撕裂红外图像检测方法》2020.06.01
- 《表2 实验图像结果：基于空间变迹滤波旁瓣抑制与有序统计恒虚警率的舰船检测算法》2020.04.01
- 《表2 角点检测结果对比：基于改进的Harris和二次归一化互相关的量子图像拼接算法》2020.05.25
- 《表1 实验结果对比：基于模糊检测概率变化的模糊图像质量评价算法》2020.05.25
- 《表2 不同算法结果对比：基于深度卷积神经网络的遥感图像目标检测方法》2020.05.25
- 《表7 分类结果混淆矩阵：基于社交关系增强的短文本情感分析方法》2020.09.15
- 《表6 MCC值比较：基于检测-分割的图像拼接篡改盲取证算法》2020.07.05
- 《表4 AP值比较：基于检测-分割的图像拼接篡改盲取证算法》2020.07.05
- 《表2 实验2结果：基于改进YOLOv3的合成孔径雷达图像中建筑物检测算法》2020.07.01
- 《表1 实验数据集：基于注意力机制的社交垃圾文本检测方法》2020.02.15
- 《表2 实验结果对比：一种基于深层次多尺度特征融合CNN的SAR图像舰船目标检测算法》2020.01.25
- 《表1 算法运行时间比较：基于二维能量检测的舰船SAR图像阈值分割》2019.12.01
- 《表3 算法指标值比较：基于二维能量检测的舰船SAR图像阈值分割》2019.12.01
- 《表1 评价的标准：基于SWT法网络社交平台图像文本检测》2019.10.15
- 《表1 实验平台：基于改进TF-IDF-CHI算法的农业科技文献文本特征抽取》2019.08.25
- 《表2 实验结果对比：基于CNN的SAR图像舰船目标检测算法》2019.01.01
- 《表1 检测结果：基于CNN的SAR图像舰船目标检测算法》2019.01.01
- 《表1 数据集的结构：基于社交平台数据的文本分类算法研究》2018.10.15