《表5 车号字符识别结果对比表》
提示：宽带有限、当前游客访问压缩模式
车号字符识别结果如表5所示，将单字符识别作为评价指标时，本文方法依然表现出优良的效果，F1分数从CTPN方法的0.89提升到了0.94.
| 图表编号 | XD00189027200 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.11.01 |
| 作者 | 艾鑫、邹琪、罗常津 |
| 绘制单位 | 北京交通大学计算机与信息技术学院、北京交通大学计算机与信息技术学院、中国铁道科学研究院电子计算技术研究所 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表4 字符识别结果：BP网络预测阈值的仪表重影字符识别方法研究》2020.07.10
- 《表5 模型对比结果：基于字符级双通道复合网络的中文文本情感分析》2020.09.05
- 《表2 二值图实验结果：基于Tesseract-OCR的字符识别技术在特定场合的应用》2020.09.20
- 《表1 灰度图实验结果：基于Tesseract-OCR的字符识别技术在特定场合的应用》2020.09.20
- 《表3 字符识别结果：车牌自动识别系统设计》2020.10.10
- 《表3 3种方法车号识别结果对比表》2020.11.01
- 《表2 不同方法车号定位结果对比》2020.11.01
- 《表1 3种方法车号定位结果对比》2020.11.01
- 《表4 车号整体识别结果对比表》2020.11.01
- 《表1 字符识别结果：中文字符识别系统的研究与实现》2020.03.01
- 《表2 识别结果：复杂背景下的票据字符类型识别方法》2020.04.15
- 《表1 两种神经网络字符识别准确率》2020.02.10
- 《表2 实验结果对比：卷积神经网络在手写字符识别中的应用》2020.01.15
- 《表2 机场实况报文字符识别》2019.10.25
- 《表3 数据集中字符数量：智能车道路场景数字字符识别技术》2019.10.10
- 《表5 不同算法字符识别效果对比》2019.10.10
- 《表1 试验对比结果：基于小波分解的客运列车车号定位及阈值分割》2019.01.20
- 《表1 测试结果：基于BP神经网络的通用机打发票字符的识别》2018.06.01
- 《表2 字符型验证码识别率》2018.04.01
- 《表1 车牌字符识别结果：基于MATLAB车牌图像识别的设计与实现》2019.11.01