《表1 头部运动实验结果：驾驶分心检测方法综述》
提示：宽带有限、当前游客访问压缩模式
在文章[3]中，作者对这种深度学习的算法并进行了验证，实验结果如表1所示。
| 图表编号 | XD00210024600 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2021.01.30 |
| 作者 | 李坤宸、曹龙 |
| 绘制单位 | 长安大学汽车学院、长安大学汽车学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表4 分心判别结果：基于自然驾驶数据的分心驾驶行为识别方法》2020.09.01
- 《表3 模型相关参数：基于自然驾驶数据的分心驾驶行为识别方法》2020.09.01
- 《表3 实验环境配置：基于S~3FD的室内头部检测方法》2020.06.15
- 《表1 分类算法结果比较：基于改进的ResNeSt驾驶员头部状态分类算法》2021.03.01
- 《表4分心驾驶行为预测Logistics回归表》2020.06.20
- 《表2分心驾驶行为分类及具体行为》2020.06.20
- 《表3分心驾驶行为统计列联表》2020.06.20
- 《表2 路径跟踪控制方案：无人驾驶车辆的运动控制发展现状综述》2020.05.20
- 《表1 纵向运动控制方案：无人驾驶车辆的运动控制发展现状综述》2020.05.20
- 《表1 常见的驾驶分心行为频率表》2020.04.01
- 《表5 调整惯量贡献率表：驾驶分心行为驾驶人的多重对应分析》2020.04.01
- 《表6 辨识度量载荷表：驾驶分心行为驾驶人的多重对应分析》2020.04.01
- 《表2：分心判断实验结果：基于人脸识别技术的汽车防疲劳驾驶系统》2020.06.15
- 《表1 几种常见螺钉头部型号混合检测实验结果 (单位:个)》2019.09.20
- 《表3 国内文献检索结果：基于多信息融合的疲劳驾驶检测研究综述》2019.09.10
- 《表2 国外专利检索结果：基于多信息融合的疲劳驾驶检测研究综述》2019.09.10
- 《表1 国内专利检索结果：基于多信息融合的疲劳驾驶检测研究综述》2019.09.10
- 《表1 两种方法头部检测结果比较》2019.10.25
- 《表3 眼部、头部运动特征与驾驶意图的关联性》2019.02.24
- 《表1 测试结果统计：基于微惯性器件的头部运动综合测量方法研究》2018.04.01