《表2 算法的定位精度：基于全局局部一致性的多特征融合目标跟踪》
提示：宽带有限、当前游客访问压缩模式
为了验证本文算法的跟踪精度，分别提取稳定跟踪阶段的跟踪误差并计算算法的平均定位精度，见表2。图3为跟踪精度变化曲线。
| 图表编号 | XD00130199300 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.03.25 |
| 作者 | 徐艳、王培光、杨宁 |
| 绘制单位 | 河北大学、陆军工程大学石家庄校区、河北大学、80集团军防空80旅 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 试品关键技术参数：多特征融合且抗遮挡的长时目标跟踪算法》2021.01.16
- 《表1 公平性评估框架：多特征融合和尺度适应的相关滤波跟踪算法》2020.12.16
- 《表2 正交实验结果：多特征融合和尺度适应的相关滤波跟踪算法》2020.12.16
- 《表3 算法计算速度比较：视频中多特征融合人体姿态跟踪》2020.07.16
- 《表4 故障诊断算法对比：基于多特征融合与XGBoost的风机轴承故障诊断》2020.07.20
- 《表1 车辆检测总体结果：基于多特征融合的车辆检测算法》2020.06.20
- 《表2 实验主要软件环境：基于多特征融合的意图识别算法研究》2020.07.25
- 《表1 实验硬件环境：基于多特征融合的意图识别算法研究》2020.07.25
- 《表1 算法参数设置：多特征融合的无人机目标跟踪算法研究》2020.04.01
- 《表1 分类结果准确率：基于深度置信网络的多特征融合音乐分类算法》2020.02.20
- 《表1 平均跟踪误差：有效块的多特征融合的目标跟踪方法》2020.02.01
- 《表2 重叠率：有效块的多特征融合的目标跟踪方法》2020.02.01
- 《表4 算法对比结果：基于改进ASM的多特征融合疲劳检测方法》2019.11.16
- 《表2 不同算法实验结果：基于多特征自适应融合的目标跟踪算法》2019.10.28
- 《表1 实验视频参数：基于多特征自适应融合的目标跟踪算法》2019.10.28
- 《表1 恶意样本集：基于多特征融合的恶意代码分类算法》2019.08.10
- 《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1 精度统计结果表：基于SVM的多特征自适应融合变化检测》2019.06.25
- 《表1 基于单一特征与多特征融合的海洋涡旋识别精度对比》2019.01.16
- 《表2 3种算法的性能：基于多特征融合与机器学习的鱼类摄食行为的检测》2019.02.25