《表9 机场的检测结果：基于优化区域卷积神经网络的机场区域检测》
提示：宽带有限、当前游客访问压缩模式
可视化各类目标部分检测结果示意与分析如表9～11所示。
| 图表编号 | XD00162247700 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.05.25 |
| 作者 | 韩永赛、马时平、李帅、何林远、朱明明 |
| 绘制单位 | 空军工程大学研究生院、空军工程大学航空工程学院、空军工程大学研究生院、空军工程大学航空工程学院、空军工程大学研究生院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 巡检样本图像：结构化区域全卷积神经网络的钢轨扣件检测方法》2020.11.01
- 《表5 非火焰检测效果：基于定位置信度和区域全卷积网络的火焰检测方法》2020.10.25
- 《表4 火焰检测效果：基于定位置信度和区域全卷积网络的火焰检测方法》2020.10.25
- 《表2 训练数据：基于定位置信度和区域全卷积网络的火焰检测方法》2020.10.25
- 《表3 算法性能对比：基于定位置信度和区域全卷积网络的火焰检测方法》2020.10.25
- 《表1 检测速度对比：基于定位置信度和区域全卷积网络的火焰检测方法》2020.10.25
- 《表4 先验判决算法步骤：基于优化区域卷积神经网络的机场区域检测》2020.05.25
- 《表7 算法步骤：基于优化区域卷积神经网络的机场区域检测》2020.05.25
- 《表1 机场区域参数：基于特征匹配的机场场面目标跟踪》2020.08.15
- 《表1 着色结果定量评估：基于改进的区域全卷积神经网络和联合双边滤波的图像着色方法》2020.06.25
- 《表1 跑道检测实验结果：基于边缘编组的遥感影像中机场目标检测算法》2020.06.30
- 《表2 机场区域识别：基于边缘编组的遥感影像中机场目标检测算法》2020.06.30
- 《表1 验证区域精度评价：基于Siamese卷积神经网络的影像瓦片变化检测技术》2020.04.25
- 《表2 精调滑动窗口策略：基于卷积神经网络的候选区域优化算法》2019.12.01
- 《表1 边缘组算法描述：基于卷积神经网络的候选区域优化算法》2019.12.01
- 《表3 小网络结构图：基于候选区域和并行卷积神经网络的行人检测》2019.11.15
- 《表2 大网络结构图：基于候选区域和并行卷积神经网络的行人检测》2019.11.15
- 《表1 检测结果表：基于区域生成网络结构的多层特征融合目标检测算法》2019.08.28
- 《表1 网络性能比较：应用深度卷积神经网络的机场及机场内飞机目标识别技术》2018.03.15
- 《表1 实验子区域概况：基于马尔科夫随机场的单时相震害影像受损建筑物识别方法》2019.10.01