《表5 YOLOv3目标检测结果》
提示：宽带有限、当前游客访问压缩模式
可以看出，对比YOLOv3算法，本文检测所需要的时间较少，这是因为本文方法是基于视频的背景去除，不需要使用深层的网络结构。
| 图表编号 | XD00194635300 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2021.02.01 |
| 作者 | 张明华、龙腾、宋巍、黄冬梅、梅海彬、覃学标 |
| 绘制单位 | 上海海洋大学信息学院、上海海洋大学信息学院、上海海洋大学信息学院、上海海洋大学信息学院、上海电力大学、上海海洋大学信息学院、上海海洋大学信息学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 实验参数设置：复杂场景下基于增强YOLOv3的船舶目标检测》2020.09.10
- 《表2 先验锚框尺寸：复杂场景下基于增强YOLOv3的船舶目标检测》2020.09.10
- 《表2 YOLOv3检测器测试结果》2021.02.28
- 《表3 YOLOV3＿106网络检测结果AP》2021.01.01
- 《表3 图像增强后使用YOLOv3检测的结果》2021.01.20
- 《表4 模型检测结果：基于改进YOLOv3的站口行人检测方法》2021.01.01
- 《表1 纳入文献基本特征：基于Yolov3的自动驾驶目标检测》2020.09.15
- 《表2 实证分析结果：基于Yolov3的自动驾驶目标检测》2020.09.15
- 《表3 温度加载过程：一种改进的YOLOv3-Tiny目标检测算法》2020.10.01
- 《表1 对比实验结果：一种改进YOLOv3的动态小目标检测方法》2020.06.20
- 《表1 算法实验结果表：基于YOLOv3的高速公路多目标车辆跟踪算法研究》2020.02.01
- 《表2 YOLOv3应用于目标定位与单种属性识别实验结果》2020.07.10
- 《表2 各算法检测效果：改进YOLOv3网络的无人驾驶系统多目标检测算法》2020.05.25
- 《表1 样本数量及占比：改进YOLOv3网络的无人驾驶系统多目标检测算法》2020.05.25
- 《表9 算法测试结果：改进YOLOV3的火灾检测方法》2020.09.01
- 《表6 实验结果对比：基于改进的YOLOv3算法在目标识别与抓取中的应用》2020.04.01
- 《表3 图像采集数量表：改进的YOLOv3算法在道路环境目标检测中的应用》2020.03.15
- 《表1 网络超参数：一种基于YOLOv3的汽车底部危险目标检测算法》2020.04.15
- 《表2 部分实验参数：改进YOLOv3在航拍目标检测中的应用》2020.04.01
- 《表1 训练环境：一种基于YOLOv3的红外目标检测系统》2019.11.20