《表2 不同算法行人检测结果比较》
提示：宽带有限、当前游客访问压缩模式
如表2所示，本文提出算法的正确检出率为92.3%，相比于HOG+SVM、DPM、ACF有一定的升。
| 图表编号 | XD00139870600 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.01.25 |
| 作者 | 王衍、陈镜任、冯宇庆 |
| 绘制单位 | 重庆珞璜港务有限公司、武汉理工大学计算机科学与技术学院、武汉民政职业学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 不同情况下的行人检测结果》2020.09.25
- 《表1 模型检测性能对比：改进的YOLOv3红外图像行人检测算法》2020.07.30
- 《表7 目标检测算法在行人检测中的应用》2021.03.15
- 《表1 不同行人再识别算法比较》2020.07.16
- 《表2 检测步数的伪代码：基于行人航位推测技术的智能手机测步算法》2020.07.20
- 《表5 算法对比：一种卷积神经网络的车辆和行人检测算法》2020.04.25
- 《表2 MC模块：一种卷积神经网络的车辆和行人检测算法》2020.04.25
- 《表1 骨干网络：一种卷积神经网络的车辆和行人检测算法》2020.04.25
- 《表1 测试结果比对表：基于改进的YOLO与GMM相结合的地铁行人检测算法》2020.04.25
- 《表2 检测结果比对表：基于改进的YOLO与GMM相结合的地铁行人检测算法》2020.04.25
- 《表3 行人检测算法效果对比》2020.04.10
- 《表2 算法性能评价表：远红外车载图像实时行人检测与自适应实例分割》2020.01.25
- 《表3 跟踪测试结果：基于助老机器人的行人检测与跟踪算法研究》2019.12.01
- 《表3 本文行人检测算法与主流算法的Map和FPS对比》2020.02.10
- 《表4 行人检测识别结果：基于智能控制算法的自动驾驶系统优化研究》2019.10.15
- 《表1 各算法性能比较：结合网格密度聚类的行人检测候选域生成》2019.09.16
- 《表2 L-RefineDet与其他行人检测方法测试结果比较》2019.08.10
- 《表2 近10年以来主流行人检测算法对比》2019.06.20
- 《表1 模型性能比较：一种用于电力监控的行人运动检测与跟踪算法》2019.06.28
- 《表3 不同行人状态下的检测结果》2019.04.25