《表1 实验效果对比：基于YOLO v3的交通标志牌检测识别》
提示：宽带有限、当前游客访问压缩模式
用来衡量二分类模型精确度的一种指标，值越大说明模型越好。实验效果对比如表1所示。
| 图表编号 | XD00189500 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.11.20 |
| 作者 | 潘卫国、刘博、陈英昊、石洪丽 |
| 绘制单位 | 北京联合大学北京市信息服务工程重点实验室、北京联合大学机器人学院、北京联合大学应用科技学院、北京联合大学应用科技学院、北京联合大学应用科技学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 缺陷数量统计结果：基于YOLO v3的输电线路缺陷快速检测方法》2020.08.01
- 《表3 模型效果对比：基于YOLO v3的输电线路缺陷快速检测方法》2020.08.01
- 《表1 先验尺寸大小：基于YOLO v3的输电线路缺陷快速检测方法》2020.08.01
- 《表2 实验焊接工艺参数：基于YOLO＿v3和Tesseract5.0的高铁摩擦片编码识别算法研究》2020.12.01
- 《表3 试件的弹性模量：基于YOLO＿v3和Tesseract5.0的高铁摩擦片编码识别算法研究》2020.12.01
- 《表1 试点现场数据表：基于YOLO＿v3和Tesseract5.0的高铁摩擦片编码识别算法研究》2020.12.01
- 《表1 实验对比结果：基于深度学习的交通标志检测》2021.01.01
- 《表1 实验环境配置：基于金字塔模型和注意力机制的YOLO V3目标检测算法》2020.11.01
- 《表1 特征提取网络：基于改进型YOLO v3的蔬菜识别算法》2020.03.10
- 《表2 目标像素大小分布：基于改进型YOLO v3的蔬菜识别算法》2020.03.10
- 《表2 识别实验结果数据：基于CNN算法的交通标志检测与识别》2020.06.25
- 《表1 检测实验结果数据：基于CNN算法的交通标志检测与识别》2020.06.25
- 《表2 加速效果统计表：基于改进YOLO V3的接触网绝缘子检测方法》2020.08.01
- 《表2 实验结果：一种基于改进YOLO v3的安全帽检测方法》2020.06.01
- 《表1 实验结果对比表：基于全卷积神经网络的国内常见交通警告标志识别》2020.04.01
- 《表2 奶牛识别结果示例：基于改进YOLO v3模型的挤奶奶牛个体识别方法》2020.04.25
- 《表1 AP实验结果：基于YOLO＿v3的车辆和行人检测方法》2020.03.01
- 《表1 场面飞机数据集：基于YOLO v3的机场场面飞机检测方法》2019.10.10
- 《表5 实验结果对比表：改进YOLO v3的安全帽佩戴检测方法》2019.06.01
- 《表1 对比实验参数表：基于YOLO v3的红外末制导典型目标检测》2019.08.25