《表2 实验结果：基于浅层卷积神经网络的实时视频通信隐私保护研究》
提示：宽带有限、当前游客访问压缩模式
（1）同tiny-YOLOv3及YOLO-Lite进行m AP和FPS比较，结果如表2。
| 图表编号 | XD00172479100 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.03.15 |
| 作者 | 陈晨、张自军、姚保峰 |
| 绘制单位 | 蚌埠学院计算机工程学院、蚌埠学院计算机工程学院、蚌埠学院计算机工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 实验结果对比：基于卷积神经网络的电力杆塔图像智能识别算法研究》2020.09.25
- 《表2 首次实验结果对比：5G移动通信中基于安全信任的网络切片部署策略研究》2020.09.10
- 《表6 不同模型裁剪结果：基于卷积神经网络的实时车辆检测》2021.03.01
- 《表4 多尺度预测结果：基于卷积神经网络的实时车辆检测》2021.03.01
- 《表3 4组实验结果对比：非均衡数据下基于卷积神经网络的专利文本自动分类研究》2020.09.30
- 《表1 采样范围及间隔：基于卷积神经网络的无人作战飞机飞行轨迹实时预测》2020.09.01
- 《表2 模型分解实验结果：基于时空卷积特征记忆模型的坦克火控系统视频目标检测方法》2020.09.01
- 《表1 实验结果：金融系统风险预警方法研究——基于CNN的卷积神经网络模型》2020.04.15
- 《表1 目标检测网络结构：基于浅层卷积神经网络的实时视频通信隐私保护研究》2020.03.15
- 《表2 实验参数设置：基于循环卷积神经网络的实体关系抽取方法研究》2020.03.01
- 《表1 实验结果：基于卷积神经网络的藏文手写数字和字母识别研究》2019.12.01
- 《表5 疲劳检测实验结果：基于多尺度池化卷积神经网络的疲劳检测方法研究》2019.11.01
- 《表1 实验结果：基于卷积神经网络的图书馆信息安全的验证码识别方法研究》2019.06.13
- 《表2 实验环境与配置：基于卷积神经网络的短文本分类研究》2019.03.25
- 《表1 实验参数设置表：通信网络中非规则控制故障数据模型研究及实时检测方法应用》2019.05.20
- 《表1 实验结果：基于汇编指令词向量与卷积神经网络的恶意代码分类方法研究》2019.04.10
- 《表4 车辆检测性能对比：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 跟踪速度的比较：基于卷积神经网络的实时跟踪算法》2018.05.20
- 《表2 实验结果：基于无监督特征选择和卷积神经网络的图像识别算法》2018.10.25