《表1 多尺度检测算法效果比较》
提示：宽带有限、当前游客访问压缩模式
如表1所示，因检测尺度的深化，改进算法YOLOv3-LPR复杂度有所增加，在检测速度上，尽管比原有算法低了4.4fps，但是mAP值却提高0.6，综合性能有所提升。
| 图表编号 | XD00154282600 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.08.16 |
| 作者 | 史建伟、章韵 |
| 绘制单位 | 南京邮电大学计算机学院、南京邮电大学计算机学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 残差网络参数：基于多尺度信息融合的图像识别改进算法》2020.09.01
- 《表2 分类测试结果：多尺度特征融合的陶瓷盘缺陷检测算法的研究》2021.02.01
- 《表1 数据集分配：多尺度特征融合的陶瓷盘缺陷检测算法的研究》2021.02.01
- 《表1 母型平台主尺度：基于多岛遗传算法的半潜式平台主尺度优化研究》2020.12.25
- 《表1 数据集相关信息：多尺度分类挖掘算法》2021.02.05
- 《表1 不同多尺度检测算法的实验结果对比》2021.03.01
- 《表2 多尺度行人检测效果（LAMR值）》2021.02.15
- 《表5 不同算法结果比较：应用小波多尺度特征检测机械通气人机不同步》2020.12.01
- 《表1 从不同卷积层连接多尺度特征的检测效果比较》2020.10.20
- 《表2 各算法检测效果：改进YOLOv3网络的无人驾驶系统多目标检测算法》2020.05.25
- 《表2 特征融合对比结果：多尺度级联R-FCN的尾灯检测算法研究》2020.03.15
- 《表4 算法对不同尺度目标检测效果对比》2020.02.25
- 《表2 实验结果对比：一种基于深层次多尺度特征融合CNN的SAR图像舰船目标检测算法》2020.01.25
- 《表1 实验结果对比：一种基于深层次多尺度特征融合CNN的SAR图像舰船目标检测算法》2020.01.25
- 《表2 实验结果对照：基于多尺度特征的条形码快速检测算法》2020.01.16
- 《表1 多尺度人脸检测框参数》2019.10.01
- 《表3 算法性能效果对比：基于全卷积神经网络的多尺度人脸检测》2019.10.25
- 《表2 3种算法效果对比：基于全卷积神经网络的多尺度人脸检测》2019.10.25
- 《表1 性能测试：一种多分辨多尺度的红外图像增强算法》2019.08.25
- 《表1 滤波效果评价表：基于多尺度数学形态学的连铸坯缺陷边缘检测方法》2018.01.01