《表4 直接效果检定表：基于卷积神经网络的接触网吊弦端点检测算法》
提示：宽带有限、当前游客访问压缩模式
在800张测试帧中，将本帧中吊弦定位出现偏差但是周围帧无偏差的帧进行统计，可以得到吊弦端点检测算法在帧级别的结果，如表4所示。
| 图表编号 | XD00187282300 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.12.15 |
| 作者 | 刘益成、高仕斌、庞鸿宇 |
| 绘制单位 | 西南交通大学电气工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 试验效果对比：基于深度卷积神经网络的水稻纹枯病检测识别》2020.10.01
- 《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3 4个吊弦端点在2个评价维度上的分数》2020.12.15
- 《表4 接触网线材参数：基于有限元法的高速铁路接触网吊弦动态特性研究》2020.07.15
- 《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2 不同算法结果对比：基于深度卷积神经网络的遥感图像目标检测方法》2020.05.25
- 《表3 SfM重建效果：基于卷积神经网络的局部图像特征描述符算法》2020.02.25
- 《表2 反卷积效果对比：基于改进SSD算法的实时交通标示牌检测》2020.01.01
- 《表4 基于卷积神经网络的果实识别算法比较》2019.09.01
- 《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4 不同方法比较：基于深度卷积神经网络的铁路接触网鸟窝检测方法研究》2019.07.10
- 《表2 不同模型比较：基于深度卷积神经网络的铁路接触网鸟窝检测方法研究》2019.07.10
- 《表4 其他算法效果对比：基于卷积神经网络的主变压器外观缺陷检测方法》2019.04.25
- 《表1 算法运行硬件配置：基于卷积神经网络的主变压器外观缺陷检测方法》2019.04.25
- 《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