《表1 检测结果：基于深度学习的行人数量统计方法》
提示：宽带有限、当前游客访问压缩模式
实验结果如表1所示，每帧检测速度为66 ms，准确率为89.2%，其中准确率计算方法如公式（4）所示：
| 图表编号 | XD00110622800 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.11.01 |
| 作者 | 杨亦乐、高玮玮、马晓峰、蒋晓 |
| 绘制单位 | 上海工程技术大学机械与汽车工程学院、上海工程技术大学机械与汽车工程学院、上海工程技术大学机械与汽车工程学院、上海工程技术大学机械与汽车工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 提取时间统计结果：基于高分影像与深度学习方法的路网提取技术研究与应用》2020.09.25
- 《表2 模型检测结果：基于深度学习的动静结合的漏洞挖掘方法》2021.02.10
- 《表7 样品检测结果：基于深度置信网络的粮仓储粮数量检测方法》2020.10.01
- 《表2 基于深度学习的缺陷检测方法》2020.11.01
- 《表1 预训练模型参数：基于深度学习的难分类样本行人检测方法》2020.10.20
- 《表2 训练模型参数：基于深度学习的难分类样本行人检测方法》2020.10.20
- 《表5 统计结果对比：基于深度学习的较复杂背景下桥梁裂缝检测》2020.11.01
- 《表5 统计结果对比：基于深度学习的较复杂背景下桥梁裂缝检测》2020.11.01
- 《表1 算法跟踪指标：基于深度学习的行人单目标跟踪》2020.05.15
- 《表2 测试集各样本数量：基于深度学习的安全帽佩戴检测与跟踪》2020.06.01
- 《表4 测试结果统计：基于深度学习的水位线检测算法》2020.07.10
- 《表3 基于深度学习方法的结节检测模型训练方法结果比较》2020.07.01
- 《表1 测试结果(个)：基于深度学习的混凝土表面缺陷检测方法》2020.06.25
- 《表4 精度指标统计结果：基于深度学习的高分影像道路提取方法研究》2020.08.25
- 《表1 行人检测结果：基于似然域背景差分的行人检测和跟踪方法》2020.01.16
- 《表1 人脸检测结果：基于深度学习的驾驶员打电话行为检测方法》2019.12.05
- 《表2 不同算法实验结果：基于WiFi交错信号与深度神经网络的室内人群数量检测方法》2019.07.01
- 《表4 上帝类检测结果：一种基于深度学习的上帝类检测方法》2019.05.01
- 《表1 实验数据明细：基于深度学习的窃电行为检测方法》2019.02.25
- 《表1 软件开发环境配置：基于深度学习的行人检测》2019.12.18