《表4 聚类后的先验框：改进YOLOV3的火灾检测方法》
提示：宽带有限、当前游客访问压缩模式
通过聚类得到的聚类中心，与输入图像的尺寸进行乘积运算可以得到聚类后的先验框如表4所示。
| 图表编号 | XD00150169700 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.09.01 |
| 作者 | 罗小权、潘善亮 |
| 绘制单位 | 宁波大学信息科学与工程学院、宁波大学信息科学与工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 先验锚框尺寸：复杂场景下基于增强YOLOv3的船舶目标检测》2020.09.10
- 《表1 聚类中心坐标和先验框尺寸》2021.03.05
- 《表1 聚类后候选框尺寸大小》2021.01.01
- 《表4.样本同伴学习情况：基于改进YOLOv3的高压输电线路关键部件检测方法》2020.12.31
- 《表2 实验数据：改进YOLOv3的非机动车检测与识别方法》2021.01.01
- 《表1 先验锚框尺寸：基于组合式目标检测框架的低漏报率缺陷识别方法》2021.02.28
- 《表1 遗传算法聚类表：基于改进YOLOv3的站口行人检测方法》2021.01.01
- 《表4 模型检测结果：基于改进YOLOv3的站口行人检测方法》2021.01.01
- 《表1 试验参数取值：改进YOLOv3算法的筷子毛刺缺陷检测方法》2020.03.01
- 《表2 先验框比较：基于S4-YOLO的海上目标检测识别方法》2020.08.10
- 《表7 训练模型初始参数：改进YOLOV3的火灾检测方法》2020.09.01
- 《表3 聚类后的聚类中心：改进YOLOV3的火灾检测方法》2020.09.01
- 《表6 数据集分配情况：改进YOLOV3的火灾检测方法》2020.09.01
- 《表9 算法测试结果：改进YOLOV3的火灾检测方法》2020.09.01
- 《表2 初始聚类中心：改进YOLOV3的火灾检测方法》2020.09.01
- 《表4 不同先验框长宽比生成策略下的检测精度》2019.12.30
- 《表1 特征图与先验框：高铁接触网异物侵入的机器视觉检测方法》2019.11.15
- 《表2 聚类后分组结果：一种基于元信息的Android恶意软件检测方法》2019.10.01
- 《表4 聚类后的“邻居-评分”矩阵》2019.01.28
- 《表2 模糊聚类后的各类气象因子》2018.04.20