《表5 交通标志牌识别模型对比[14-16]》
![《表5 交通标志牌识别模型对比[14-16]》](http://bookimg.mtoou.info/tubiao/gif/QCJS202001005_07600.gif)
提示：宽带有限、当前游客访问压缩模式
将本文构建的标志牌识别模型与当前性能表现优异的其他模型进行识别准确度对比，如表5所示，除了比工业级模型识别准确率稍低以外，该模型准确率高于其他识别模型。
| 图表编号 | XD00121933600 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.01.24 |
| 作者 | 邓涛、李鑫、汪明明、邓彪 |
| 绘制单位 | 重庆交通大学、重庆交通大学、重庆交通大学、重庆交通大学 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 算法对比：一种基于深度学习的交通标志识别新算法》2021.01.28
- 《表2 识别实验结果数据：基于CNN算法的交通标志检测与识别》2020.06.25
- 《表4 针对不同网络模型在计算机与Cortex-M系列开发板交通标志识别结果比较（%）》2020.05.25
- 《表4 混淆矩阵示意图：针对交通标志识别的三种模型的对比与融合》2020.03.01
- 《表1 实验结果对比表：基于全卷积神经网络的国内常见交通警告标志识别》2020.04.01
- 《表1 交通标志识别结果对比》2020.03.01
- 《表2 模型参数：基于宽浅稠密网络的无人驾驶汽车交通标志牌识别》2020.01.24
- 《表2 各算法识别准确率：复杂光照条件下的交通标志检测与识别》2019.12.10
- 《表2 不同构架性能比较：基于改进神经网络的交通标志识别》2019.10.10
- 《表7 与经典算法对比：深度特征重构与权重分配的交通标志识别算法》2019.09.01
- 《表5 时间复杂度对比：基于多特征融合的交通标志识别算法》2019.09.15
- 《表2 不同方法对比：基于深度森林的交通标志识别方法研究》2019.05.25
- 《表2 仿真结果对比：基于感兴趣区域的CNN-Squeeze交通标志图像识别》2019.06.01
- 《表1 实验结果：基于深度学习的交通标志识别算法》2019.06.01
- 《表2 TSM实验数据：基于时序空间关系模型的交通标志识别》2019.06.01
- 《表1 标志分类编码表：ELM-LRF网络交通标志识别模型的建立及验证》2019.01.25
- 《表2 交通标志6大子类识别结果比较表》2019.05.01
- 《表1 相机和镜头参数：基于SSD模型的道路交通标志识别方法研究》2019.12.25
- 《表2 几种交通标志识别方法的性能参数比较》2019.11.18
- 《表1 实验效果对比：基于YOLO v3的交通标志牌检测识别》2019.11.20