《表1 柴油机基本参数：基于TOF相机和级联卷积网络的人头检测》
提示：宽带有限、当前游客访问压缩模式
表1为MTCNN算法与提出算法在测试数据集的检测结果比较。可以看出，本文提出的网络检测效果和MTCNN相近，但速度远超MTCNN网络。图3为检测结果对比。
| 图表编号 | XD00187445500 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.07.15 |
| 作者 | 胡文俊、马秀丽 |
| 绘制单位 | 上海大学信息与通信工程学院、上海大学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4 噪声方差参数设置：基于全卷积网络的阀门粘滞检测方法》2021.02.25
- 《表2 仿真环境参数：基于深度时空卷积神经网络的点目标检测（英文）》2021.02.01
- 《表5 不同算法比较/%：基于组合特征和级联分类器的防震锤检测算法》2020.05.16
- 《表4 RLBP特征示例：基于组合特征和级联分类器的防震锤检测算法》2020.05.16
- 《表1 预处理结果示例：基于组合特征和级联分类器的防震锤检测算法》2020.05.16
- 《表1 参数配置：基于卷积神经网络的汽车涡轮增压器制造缺陷检测方法研究》2020.05.20
- 《表1 舰船检测结果：基于深度特征金字塔和级联检测器的SAR图像舰船检测》2020.06.25
- 《表1 速度对比：改进级联卷积神经网络的平面旋转人脸检测》2020.03.16
- 《表4 CCNet性能：CCNet:面向多光谱图像的高速船只检测级联卷积神经网络（英文）》2019.06.01
- 《表6 与相关工作比较：CCNet:面向多光谱图像的高速船只检测级联卷积神经网络（英文）》2019.06.01
- 《表1 REM网络结构：CCNet:面向多光谱图像的高速船只检测级联卷积神经网络（英文）》2019.06.01
- 《表1 不同单级宽度和级联数目的测试结构》2019.02.06
- 《表1 实验平台信息：基于级联卷积网络的紧固件异常检测》2019.05.01
- 《表1 二分类混淆矩阵表：基于LBP和级联XGBoost的驾驶员打电话行为检测算法》2019.02.15
- 《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 几种网络精度：级联卷积网络在无人机视觉定位的应用》2019.04.20
- 《表1 卷积神经网络参数：基于跨连接卷积神经网络的绝缘子检测方法》2019.02.25
- 《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
- 《表3 肿瘤分割结果比较：基于级联式三维卷积神经网络的肝肿瘤自动分割》2019.11.25
- 《表2 模型参数量：移动GPU上基于轻量级卷积神经网络的道路拥堵检测方法》2019.12.01