《表1 SSD算法、VGG-16以及R-CNN预测结果对比》
提示：宽带有限、当前游客访问压缩模式
作为实验结果的对比，本实验在相同的数据集上分别训练了VGG-16和R-CNN网络，检测结果如表1所示，使用平均准确率（mAP）来衡量检测结果的优劣程度。
| 图表编号 | XD00154407800 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.08.25 |
| 作者 | 潘斌辉、张翔、杨金鸽 |
| 绘制单位 | 江西医学高等专科学校、景德镇学院、江西医学高等专科学校 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 VGG-16在CIFAR-10上的剪枝结果》2020.12.01
- 《表1 VGG-16基于flower-102数据集的剪枝结果》2021.01.20
- 《表2 SSD算法和本文算法实验结果对比》2021.02.01
- 《表3 原始算法与VGG 16改进算法的检测结果》2020.10.20
- 《表6 与其他加速器在VGG-16卷积层加速效果对比》2020.07.30
- 《表4 VGG16和ResNet18的剪枝结果》2020.08.25
- 《表1 VGG16与Res Net卷积网络结构对比》2021.01.20
- 《表6 ECNN-2与VGG16模型性能指标对比》2020.05.15
- 《表2 检验结果：基于改进VGG16的猴子图像分类方法》2020.05.10
- 《表1 VGG-16网络以及对应本文的分块参数》2020.07.10
- 《表3 VGG16与3种训练网络的速度对比识别速度/s》2020.04.01
- 《表2 VGG16与3种训练网络的精度对比识别精度》2020.04.01
- 《表1 Faster R-CNN、SSD与FCOS性能比较》2020.07.15
- 《表1 AM-SSD算法和其他算法结果对比》2020.02.25
- 《表2 高通SNPE平台VGG16网络量化先后对比》2020.03.01
- 《表1 实验结果对比：基于SSD的实时车辆检测算法研究》2019.11.20
- 《表1 使用VGG16的Faster RCNN实验结果》2019.09.20
- 《表2 端到端VGG-16-LSTM模型优化结果》2019.09.15
- 《表1 本文算法与Cascade CNN、SSD、Faster R-CNN和HR等算法在100次误报时的速度和精度对比》2019.05.01
- 《表1 3种基础网络VGG16、GoogleNet和Res Net模型对比》2019.02.01