《表3 算法性能对比表：基于RetinaNet的SAR图像舰船目标检测》
提示：宽带有限、当前游客访问压缩模式
将本算法与传统的RetinaNet、SSD、FSSD、RFB单阶段算法进行对比，采用平均精度和FPS作为性能指标，对比结果如表3所示（都经过预训练和数据增强）.
| 图表编号 | XD00132958400 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.02.25 |
| 作者 | 刘洁瑜、赵彤、刘敏 |
| 绘制单位 | 火箭军工程大学导弹工程学院、火箭军工程大学导弹工程学院、湖南大学电气与信息工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 Pol SAR图像舰船目标检测方法适用场景和优缺点总结》2021.02.01
- 《表1 实测SAR数据：K近邻优化估计的SAR图像建模与目标检测算法》2020.09.01
- 《表4 模型简化实验结果：双向特征融合的数据自适应SAR图像舰船目标检测模型》2020.09.16
- 《表1 实验结果对比：基于特征融合的遥感图像舰船目标检测方法》2020.07.01
- 《表1 舰船检测结果：基于深度特征金字塔和级联检测器的SAR图像舰船检测》2020.06.25
- 《表4 改进部分的对比表：基于RetinaNet的SAR图像舰船目标检测》2020.02.25
- 《表3 各种算法性能对比：基于动态感受野的航拍图像目标检测算法》2020.02.25
- 《表2 模型组件性能对比：基于动态感受野的航拍图像目标检测算法》2020.02.25
- 《表1 实验结果对比：一种基于深层次多尺度特征融合CNN的SAR图像舰船目标检测算法》2020.01.25
- 《表2 实验结果对比：一种基于深层次多尺度特征融合CNN的SAR图像舰船目标检测算法》2020.01.25
- 《表1 算法运行时间比较：基于二维能量检测的舰船SAR图像阈值分割》2019.12.01
- 《表3 算法指标值比较：基于二维能量检测的舰船SAR图像阈值分割》2019.12.01
- 《表2 算法运行时间：基于二维能量检测的舰船SAR图像阈值分割》2019.12.01
- 《表2 平均识别率对比：基于深度学习的SAR图像目标识别算法》2019.08.01
- 《表2 实验结果对比：基于CNN的SAR图像舰船目标检测算法》2019.01.01
- 《表1 检测结果：基于CNN的SAR图像舰船目标检测算法》2019.01.01
- 《表1 目标检测结果：一种面向机载SAR图像的目标检测算法》2019.03.18
- 《表1 运行时间：SAR图像舰船目标检测的Gamma流形方法》2018.06.25
- 《表3 SAR图像目标检测算法性能对比》2019.10.01
- 《表3 舰船目标检测结果：基于改进EAST算法的舰船目标检测研究》2019.12.25