《表4 文字检测模型对比结果》
提示：宽带有限、当前游客访问压缩模式
为了对比本文采用的文字检测模型与文字识别模型的性能，将YOLOv3和CRNN模型与近年来提出的其他深度学习模型进行比较，文字检测模型性能对比结果如表4所示。
| 图表编号 | XD00198087800 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.12.31 |
| 作者 | 王阳、李振东、杨观赐 |
| 绘制单位 | 郑州银行郑州银行博士后科研工作站、宁夏大学信息工程学院、贵州大学贵州大学现代制造技术教育部重点实验室 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表4 实验对比结果：基于视觉传达的网页文字色彩自动匹配系统设计》2020.11.15
- 《表2 文字检测方法在ICDAR 2015上的性能对比》2021.01.01
- 《表1 文字检测方法在ICDAR 2013上的性能对比》2021.01.01
- 《表5 文字识别模型对比结果》2020.12.31
- 《表1 不同文字检测方法在ICDAR2015上的常用评价指标对比》2021.02.01
- 《表4 新数据集模型检测结果对比》2020.12.15
- 《表1 驾驶证文字检测准确率》2020.07.01
- 《表6 文字识别方法实验对比结果》2020.04.25
- 《表4 近红外定标模型法干燥失重与湿基含量折算干基含量与化学法检测结果对比表》2020.08.15
- 《表4 传统文字检测与基于深度学习的目标检测之间的不同点》2020.04.01
- 《表3 ICDAR 2013场景文字检测竞赛测试集实验结果》2020.01.15
- 《表2 ICDAR 2015场景文字检测竞赛测试集实验结果》2020.01.15
- 《表4 两种异常检测模型的检测结果对比》2019.10.15
- 《表3 不同文字检测方法在ICDAR2015上的常用评价指标对比》2019.08.01
- 《表4 光照不均时倾斜1°时的文字性能检测》2019.04.01
- 《表2 倾斜1°时的文字性能检测》2019.04.01
- 《表2:2008、2012和2017年内源性稿件文字复制比检测结果》2018.09.01
- 《表2 2 双怠速法检测司机助手提示（文字显示）》2019.12.01
- 《表2 2 双怠速法检测司机助手提示（文字显示）》2019.12.01
- 《表3 改进前后数据对比：基于改进Faster R-CNN的自然场景文字检测算法》2019.12.01