《表2 荔枝串检测网络的性能对比》
提示：宽带有限、当前游客访问压缩模式
统计试验所得m AP、平均检测速度与模型大小，结果如表2所示。
| 图表编号 | XD00121502000 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.12.01 |
| 作者 | 陈明猷 |
| 绘制单位 | 华南农业大学工程学院、华南农业大学南方农业机械与装备关键技术教育部重点实验室 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表4 紧固件检测网络检测器性能对比结果》2020.09.01
- 《表3 紧固件检测网络分类器性能对比结果》2020.09.01
- 《表3 算法性能对比：基于YOLOv5网络模型的人员口罩佩戴实时检测》2021.02.25
- 《表3 算法性能对比：基于定位置信度和区域全卷积网络的火焰检测方法》2020.10.25
- 《表6 在VOT数据集上视频检测网络的性能对比》2020.05.16
- 《表1 不同网络结构检测性能对比》2020.04.01
- 《表2 网络性能指标对比：基于轻量化YOLOv3卷积神经网络的苹果检测方法》2020.08.25
- 《表1 检测性能对比：大数据网络传感节点数据智能检测方法》2020.07.15
- 《表2 不同模型性能对比：基于非结节自动分类的二维卷积网络在肺结节检测假阳性减少中的应用》2020.08.01
- 《表1 性能指标对比：基于卷积神经网络的环视车位检测研究》2020.02.25
- 《表1 二维检测网络性能对比》2020.04.16
- 《表2 网络性能对比：淋巴结转移检测的八度卷积方法》2020.03.10
- 《表1 检测性能对比：光纤网络断点数据提取方法研究》2020.02.25
- 《表1 求解线性方程组串并行性能对比表》2019.10.30
- 《表3 算法性能效果对比：基于全卷积神经网络的多尺度人脸检测》2019.10.25
- 《表1 不同特征提取网络下的目标检测性能对比》2019.08.15
- 《表1 各模块性能对比：基于深度残差网络与边缘监督学习的显著性检测》2019.08.10
- 《表3 行人检测性能对比：基于卷积神经网络的多目标实时检测》2019.04.16
- 《表1 主流目标检测网络架构性能对比》2019.04.16
- 《表4 车辆检测性能对比：基于卷积神经网络的多目标实时检测》2019.04.16