《表1 基于卷积神经网络的常用行人检测模型实验数据比对》
提示：宽带有限、当前游客访问压缩模式
如图12和表1所示，基于卷积神经网络的行人检测技术一定程度上优化了对目标特征提取和目标分类方式。因此，在特征表达的上表现了较强的鲁棒性和泛化性，实现了较好的检测效果。
| 图表编号 | XD00168953800 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.07.01 |
| 作者 | 谭玉枚、余长庚 |
| 绘制单位 | 贺州学院信息与通信工程学院、贺州学院信息与通信工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 涡旋检测数量对比：基于深度卷积网络的海洋涡旋检测模型》2020.10.01
- 《表1 实验平台配置表：基于边窗滤波和扩张卷积的矿井行人检测》2020.10.06
- 《表1：实验结果：基于卷积神经网络的计算机网络流量异常检测》2020.12.01
- 《表1 基于卷积神经网络的安全防御模型实验结果》2021.02.15
- 《表1 实验结果：基于卷积神经网络和XGBoost的摔倒检测》2020.08.25
- 《表1 模型性能比较：基于双流卷积神经网络和生成式对抗网络的行人重识别算法》2020.06.10
- 《表3 网络模型规模比较：改进的卷积神经网络行人检测方法》2020.05.16
- 《表1 实验数据集：基于深度卷积神经网络的舰载机目标检测》2020.05.10
- 《表5 算法对比：一种卷积神经网络的车辆和行人检测算法》2020.04.25
- 《表3 多尺寸预测：一种卷积神经网络的车辆和行人检测算法》2020.04.25
- 《表2 MC模块：一种卷积神经网络的车辆和行人检测算法》2020.04.25
- 《表1 骨干网络：一种卷积神经网络的车辆和行人检测算法》2020.04.25
- 《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 采用的CNN结构：基于集成推理卷积神经网络的快速行人检测》2019.08.15
- 《表1 实验数据分布：基于主成分分析和卷积神经网络的入侵检测方法研究》2019.05.25
- 《表3 实验数据集分布：基于卷积神经网络的乳腺疾病检测算法》2019.07.05
- 《表3 行人检测性能对比：基于卷积神经网络的多目标实时检测》2019.04.16
- 《表1 基于卷积神经网络的行人人头检测组合模型的试验设计》2019.01.30
- 《表1 实验平台参数：基于改进卷积神经网络结合支持向量机的行人检测算法》2018.09.05