《表1 跑道检测实验结果：基于边缘编组的遥感影像中机场目标检测算法》
提示：宽带有限、当前游客访问压缩模式
本文针对不同海拔高度，不同分辨率，不同背景环境的100张国内遥感影像进行了实验。其中，不含有机场区域的影像有25张，含有机场区域的遥感影像有75张。含有机场区域的遥感影像共有机场跑道88条。跑道检测结果如表1所示:
| 图表编号 | XD00147329000 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.06.30 |
| 作者 | 杨玉莹、杜鹏、姜麟 |
| 绘制单位 | 昆明理工大学、昆明理工大学、昆明理工大学 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 实验结果：基于目标检测算法的肺结节辅助诊断系统》2020.11.01
- 《表1 训测集配置情况：基于典型几何形状精确回归的机场跑道检测方法》2020.10.01
- 《表2 实验环境配置参数：基于改进SSD算法的遥感影像小目标快速检测》2020.05.01
- 《表1 实验数据集：基于改进SSD算法的遥感影像小目标快速检测》2020.05.01
- 《表2 三种用于机场跑道异物检测算法性能指标对比》2020.05.01
- 《表1 2×2模板：基于改进LSD算法的机场跑道检测》2020.04.25
- 《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2 不同算法结果对比：基于深度卷积神经网络的遥感图像目标检测方法》2020.05.25
- 《表1 目标检测结果：基于Faster R-CNN的遥感图像目标检测技术》2020.04.30
- 《表2 机场区域识别：基于边缘编组的遥感影像中机场目标检测算法》2020.06.30
- 《表1 实验数据集：基于边缘检测的非局部均值图像去噪算法》2020.08.18
- 《表1 算法对比结果：目标边缘特征增强检测算法》2020.01.01
- 《表1 自采集数据集统计：特征增强SSD算法及其在遥感目标检测中的应用》2020.01.01
- 《表1 模型验证结果表：基于深度学习的目标检测算法在冷轧表面缺陷检测中的应用》2019.11.01
- 《表2 实验2结果分析表：改进Canny边缘检测的遥感影像分割》2019.06.15
- 《表1 实验1结果分析表：改进Canny边缘检测的遥感影像分割》2019.06.15
- 《表1 实验对比结果：一种基于Gabor深度学习的无人机目标检测算法》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2 实验结果：一种考虑云检测的遥感影像匹配方法》2019.04.28
- 《表2 参考打击方案：基于影像信息的机场跑道毁伤效果评估》2013.02.28