《表3 模型训练时长：基于Yolo算法的塑料检测定位系统》
提示：宽带有限、当前游客访问压缩模式
/h
在塑料检测定位任务中，对于不同的工作需求，快速训练精准的模型至关重要。统计数据增强前与数据增强后各批次样本量下模型的训练时长，结果如表3所示。
| 图表编号 | XD00195021100 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.11.25 |
| 作者 | 沈文杰 |
| 绘制单位 | 福建农业职业技术学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《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2 钝化材料基本性质：基于机器学习One-stage目标检测算法的塑料自动识别系统》2020.12.25
- 《表1 自定义菜单内容：基于机器学习One-stage目标检测算法的塑料自动识别系统》2020.12.25
- 《表2 开发环境：基于SSD的塑料供水管爆管定位模型》2020.11.25
- 《表1 数据集结果：基于Yolo算法的塑料检测定位系统》2020.11.25
- 《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3 不同模型性能对比：基于目标检测算法的肺结节辅助诊断系统》2020.11.01
- 《表1 实验参数取值：基于改进YOLO算法的车位自动检测系统》2020.04.15
- 《表2 最优参数：基于改进YOLO算法的车位自动检测系统》2020.04.15
- 《表6 模型参数和性能：改进YOLO v3算法及其在安全帽检测中的应用》2020.05.01
- 《表2 检测结果比对表：基于改进的YOLO与GMM相结合的地铁行人检测算法》2020.04.25
- 《表1 测试结果比对表：基于改进的YOLO与GMM相结合的地铁行人检测算法》2020.04.25
- 《表3 模型训练时间：基于NWPSO-BP神经网络的异常用电行为检测算法》2020.08.01
- 《表1 性能参数对比：基于YOLO改进算法的轨道扣件状态检测研究》2020.01.01
- 《表1 图像视频输出：基于YOLO模型的目标检测软件》2019.07.25
- 《表1 mAP变化：YOLO9000模型的车辆多目标视频检测系统研究》2019.08.25
- 《表2 测试结果：YOLO9000模型的车辆多目标视频检测系统研究》2019.08.25
- 《表1 基于YOLO的车辆检测系统测试结果》2019.08.01
- 《表2 疑难样本训练方法：基于YOLO的驾驶视频目标检测方法》2019.01.25
- 《表1 卷积神经网络架构：基于YOLO算法的船舶识别定位系统》2019.09.20