《表2 实验数据：改进YOLOv3的非机动车检测与识别方法》
提示：宽带有限、当前游客访问压缩模式
本文提出的改进的YOLOv3与原始的YOLOv3的实验对比结果，如表2所示。
| 图表编号 | XD00197457100 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2021.01.01 |
| 作者 | 叶佳林、苏子毅、马浩炎、袁夏、赵春霞 |
| 绘制单位 | 南京理工大学计算机科学与工程学院、南京理工大学计算机科学与工程学院、南京理工大学计算机科学与工程学院、南京理工大学计算机科学与工程学院、南京理工大学计算机科学与工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 训练和测试集分布：基于改进YOLOv3的锌阴极板残留物图像识别方法》2021.02.25
- 《表2 识别结果：基于改进YOLOv3的锌阴极板残留物图像识别方法》2021.02.25
- 《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 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2 实验结果：结合FPN的改进YOLOv3车辆实时检测算法》2020.03.20
- 《表1 实验结果：结合FPN的改进YOLOv3车辆实时检测算法》2020.03.20
- 《表2 试验最优参数：改进YOLOv3算法的筷子毛刺缺陷检测方法》2020.03.01
- 《表4 聚类后的先验框：改进YOLOV3的火灾检测方法》2020.09.01
- 《表7 训练模型初始参数：改进YOLOV3的火灾检测方法》2020.09.01
- 《表6 数据集分配情况：改进YOLOV3的火灾检测方法》2020.09.01
- 《表9 算法测试结果：改进YOLOV3的火灾检测方法》2020.09.01
- 《表2 初始聚类中心：改进YOLOV3的火灾检测方法》2020.09.01
- 《表1 数据增强方式：基于深度可分离卷积与通道裁剪的YOLOv3改进方法》2020.04.15
- 《表7 抓取实验统计表：基于改进的YOLOv3算法在目标识别与抓取中的应用》2020.04.01
- 《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2 实验2结果：基于改进YOLOv3的合成孔径雷达图像中建筑物检测算法》2020.07.01
- 《表2 三种方法实验数据：基于深度学习优化YOLOV3算法的芳纶带检测算法研究》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2 实验电脑配置：一种改进YOLOv3-Tiny的行车检测算法》2020.03.01
- 《表2 训练与测试数据：自适应边缘优化的改进YOLOV3目标识别算法》2019.07.05