《表2 实验车辆CH检测结果》
提示：宽带有限、当前游客访问压缩模式
表1和表2分别为对10辆车采用两种装置进行CO和CH的检测结果。
| 图表编号 | XD001153600 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2018.03.01 |
| 作者 | 崔崴 |
| 绘制单位 | 成都理工大学工程技术学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 VH检测实验结果：智能网联车辆混行交通流中灯语意图识别模型研究》2020.10.01
- 《表1 实验结果统计：基于机器视觉的轨道车辆零部件形位尺寸检测方法研究》2020.09.25
- 《表2 实验环境：改进的Yolo＿v2违章车辆检测方法》2020.10.15
- 《表4 ch130数据的实验结果》2021.03.15
- 《表4 空洞卷积实验结果：基于改进Cascade RCNN的车辆目标检测方法》2021.03.01
- 《表2 实验数据：基于YOLO-TridentNet的车辆检测方法》2020.11.15
- 《表2 实验结果：结合FPN的改进YOLOv3车辆实时检测算法》2020.03.20
- 《表1 实验结果：结合FPN的改进YOLOv3车辆实时检测算法》2020.03.20
- 《表2 部分测距实验结果：基于单目视觉的车辆检测与跟踪》2020.05.25
- 《表2 实验结果对比表：基于双目视觉的违章车辆检测与跟踪系统设计》2020.07.05
- 《表4 各类算法实验结果：基于车辆运行数据的疲劳驾驶状态检测》2020.08.01
- 《表3 实验结果：基于车辆运行数据的疲劳驾驶状态检测》2020.08.01
- 《表2 实验环境：基于深度学习的轻量遥感图像车辆检测模型》2020.06.25
- 《表1 AP实验结果：基于YOLO＿v3的车辆和行人检测方法》2020.03.01
- 《表1 实验结果对比表：基于深度学习的车辆检测》2019.12.01
- 《表2 车辆检测结果：基于单目视觉的前方车辆检测与测距方法》2019.10.25
- 《表1 实验结果对比：基于SSD的实时车辆检测算法研究》2019.11.20
- 《表5 道路客运交通车辆CH4和N2O排放因子》2019.08.01
- 《表2 实验参数：一种波形相似度的车辆检测融合算法》2018.03.01
- 《表1 实验车辆CO检测结果》2018.03.01