《表1 数据集参数：基于Triangle Net的密集人群计数》
提示：宽带有限、当前游客访问压缩模式
实验在Shanghai Tech和UCF＿CC＿50两个通用人群密度估计数据集上进行，这两个数据集的参数如表1所示。本文只使用一种数据增强方式是水平翻转。
| 图表编号 | XD00191217800 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2021.03.28 |
| 作者 | 翁佳鑫、仝明磊 |
| 绘制单位 | 上海电力大学电子与信息工程学院、上海电力大学电子与信息工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 仿真参数：基于稀疏密集阵传输机制的WSN数据传输汇聚算法》2020.12.25
- 《表1 mini Image Net数据集测试结果》2021.04.15
- 《表1 DRIVE数据集上U-Net与RCBAM-Net实验结果》2021.02.25
- 《表2 Res Net-18/Res Net-50基于flower-102数据集的剪枝结果》2021.01.20
- 《表3 Model Net40数据集上每一类的分类结果》2021.01.01
- 《表2 数据集参数：基于卷积神经网络的多尺度融合特征图在人群密度估计中的应用》2021.02.01
- 《表1 Model Net40数据集上的分类实验结果对比》2021.03.18
- 《表1 使用Image Net和MS COCO数据集权重训练FLIR红外数据集》2020.10.15
- 《表7 在Image Net VID数据集上的测试结果》2020.09.01
- 《表1 在Activity Net v1.3数据集上的时域区域生成性能对比》2020.07.16
- 《表2 训练和测试数据集：基于特征金字塔的人群密度估计方法》2020.06.18
- 《表1 数据集的相关信息：基于通道域注意力机制的人群密度估计算法研究》2020.08.05
- 《表3 结果分析比较：基于深度学习的密集人群安全监测系统》2019.11.20
- 《表1 设定测试参数值：基于边缘计算的数据密集型服务部署》2019.07.20
- 《表2 遗传算法参数：基于边缘计算的数据密集型服务部署》2019.07.20
- 《表1 实验结果：基于全卷积神经网络的人群计数》2018.01.20
- 《表3 数据集对比实验：基于深度时空特征卷积-池化的视频人群计数方法》2018.06.20
- 《表1 数据集属性：基于深度时空特征卷积-池化的视频人群计数方法》2018.06.20
- 《表1 AWA、CUB和Im Net-2数据集统计》2018.08.01
- 《表3 基于Im Net-2数据集的零样本图像分类精度比较》2018.08.01