《表1 目标检测算法在公开数据集上的性能对比》
提示：宽带有限、当前游客访问压缩模式
上文介绍了基于深度学习的两种类型的目标检测方法，表1为上述提到的一些典型目标检测算法在公开数据集上的性能对比。
| 图表编号 | XD00149311200 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.08.18 |
| 作者 | 寇墨林、卓力、张菁、张辉 |
| 绘制单位 | 北京工业大学信号与信息处理研究室、北京工业大学信号与信息处理研究室、北京工业大学信号与信息处理研究室、北京工业大学信号与信息处理研究室 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 不同算法在Tusimple数据集上的检测效果对比》2021.01.25
- 《表5 不同算法在Kdd Cup99数据集上的新类检测性能》2021.01.01
- 《表6 不同算法在Minst数据集上的新类检测性能》2021.01.01
- 《表3 不同算法在Seeds数据集上的新类检测性能》2021.01.01
- 《表4 不同算法在Wine数据集上的新类检测性能》2021.01.01
- 《表1 在VEDAI数据集上的检测性能对比》2020.11.01
- 《表7 3种算法在输电线路缺陷检测数据集上的检测结果对比》2020.10.20
- 《表6 不同算法在COCO数据集上的检测结果对比》2020.10.20
- 《表1 在公开人脸数据集上的实验结果对比》2020.12.05
- 《表5 各模型公开数据集上的性能对比》2020.07.10
- 《表2 不同算法在COCO数据集上的检测性能对比(%)》2020.05.25
- 《表1 不同算法在COCO数据集上的分割性能对比(%)》2020.05.25
- 《表4 不同算法在RD数据集上的检测性能对比(%)》2020.05.25
- 《表1 0 算法在DREBIN公开数据集上的准确率》2020.01.10
- 《表1 目标检测算法在VOC2007数据集上的检测性能》2019.01.01
- 《表2 目标检测算法在COCO数据集上的检测性能》2019.01.01
- 《表3 VBTGMM和6个对比算法在8个公开数据集上的45次随机划分实验的错误率和AUC值的平均值 (标准差)》2019.04.01
- 《表4 不同算法在真实数据集上的性能对比》2019.03.01
- 《表3 不同算法在人工数据集上的性能对比》2019.03.01
- 《表1 本文算法与对比算法在多光谱显著性检测数据集上的性能比较Tab.1 Performance of competing methods and our model on multispectal saliency dataset》2018.06.01