《表2 实验方案设计：提升预测框定位稳定性的视频目标检测》
提示：宽带有限、当前游客访问压缩模式
训练及验证数据集通过相应数据集官网下载得到。训练YOLOv3时使用官方预训练权重。训练及各实验参数如表2所示。各算法及评价代码获取来源如表3。
| 图表编号 | XD00215918000 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2021.01.16 |
| 作者 | 李熙莹 |
| 绘制单位 | 中山大学智能工程学院智能交通研究中心、广东省智能交通系统重点实验室、视频图像智能分析与应用技术公安部重点实验室 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《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5 不同结构组合形式：提升预测框定位稳定性的视频目标检测》2021.01.16
- 《表1 样本数量与构成：提升预测框定位稳定性的视频目标检测》2021.01.16
- 《表2 挂接与提升时间：基于虚拟仿真的拖拉机后悬挂检测装置设计与实验》2021.03.01
- 《表1 先验锚框尺寸：基于组合式目标检测框架的低漏报率缺陷识别方法》2021.02.28
- 《表2 模型分解实验结果：基于时空卷积特征记忆模型的坦克火控系统视频目标检测方法》2020.09.01
- 《表1 实验参数设置：基于视觉传达的产品设计目标信息显著性定位系统设计》2020.07.15
- 《表1 实验硬件平台信息：级联特征点检测的锥套小目标快速检测定位算法》2020.06.01
- 《表3 实验场景信息对比：级联特征点检测的锥套小目标快速检测定位算法》2020.06.01
- 《表2 实验软件平台信息：级联特征点检测的锥套小目标快速检测定位算法》2020.06.01
- 《表2 先验框比较：基于S4-YOLO的海上目标检测识别方法》2020.08.10
- 《表2 边界框预测信息：基于卷积神经网络的环视车位检测研究》2020.02.25
- 《表2 目标检测框平均中心位置误差》2019.11.01
- 《表3 目标检测框平均重叠率》2019.11.01
- 《表2 航迹推算实验表：基于三条件零速检测的行人定位导航系统设计》2019.09.01
- 《表2 锚框尺寸分配：光学遥感图像目标检测方法》2019.10.01
- 《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 实验结果汇总表：视频监控运动目标图像优化检测仿真》2019.07.15
- 《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3 霍夫变换检测结果：基于单目视觉的机械臂目标定位系统设计》2019.01.01