《表1 平均用时对比：基于低秩分解的织物疵点检测》
提示：宽带有限、当前游客访问压缩模式
整体上看，文献[15]耗时最久，其次是文献[19]与文献[20]，本文算法检测时间最短。为了更精准地比较各方法耗时，本文以平均耗时为衡量指标，其结果如表1所示。
| 图表编号 | XD00152726200 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.05.15 |
| 作者 | 杨恩君、廖义辉、刘安东、俞立 |
| 绘制单位 | 浙江工业大学信息工程学院、浙江工业大学信息工程学院、浙江工业大学信息工程学院、浙江工业大学信息工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 核函数参数图：基于机器学习的织物疵点检测》2020.10.25
- 《表3 平均用时比较：基于行程时间影响的关键路段识别与查找》2020.12.01
- 《表2 试件具体参数：基于DCNN的布匹疵点检测方法》2021.01.15
- 《表1 数据信息表：基于DCNN的布匹疵点检测方法》2021.01.15
- 《表1 数据帧格式：基于MF-SSD网络的织物疵点检测》2020.12.10
- 《表1 算法精度对比：基于低秩特性的鱼眼图像畸变矫正方法》2020.05.15
- 《表1 两种计算方式的平均用时对比》2020.06.25
- 《表2 平均挂号用时与候诊用时对比》2020.07.05
- 《表2 算法稳定性对比：基于低秩分解的织物疵点检测》2020.05.15
- 《表1 疵点检测统计结果：应用上下文视觉显著性的色织物疵点检测》2020.08.15
- 《表4 对一幅分辨率为640×480大小的布匹图像平均检测用时(ms)》2020.04.01
- 《表2 实验环境参数：基于深度残差网络的布匹疵点检测方法》2020.04.01
- 《表2 不同算法检测结果：应用Canny算子的织物疵点检测改进算法》2019.12.31
- 《表1 机器视觉在织物疵点检测上的应用》2020.01.15
- 《表2 检测结果对比：基于BP神经网络的织物表面绒毛质量的检测方法》2020.02.15
- 《表2 干扰因素对主成分稀疏表示与低秩分解叠加的影响》2019.08.01
- 《表1 主成分稀疏表示与低秩分解叠加前后实验效果比对》2019.08.01
- 《表1 服装疵点检测性能对比》2019.08.25
- 《表2 基于多种算法的布匹疵点判决结果对比》2019.08.01
- 《表2 基于正交分解大数据的信息综合处理平台反应用时》2019.05.15