《表1 典型轨旁标识图像：结合YOLOv3模型的轨旁公里标识别方法》
提示：宽带有限、当前游客访问压缩模式
公里标识别过程中，可能存在公里标在虚拟轨迹范围外、公里标部分被道砟覆盖、变旧变暗、背景复杂等情况。表1示出典型轨旁标识图像。
| 图表编号 | XD00219207400 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.10.05 |
| 作者 | 邱新华、王文昆、季育文、李佳 |
| 绘制单位 | 株洲时代电子技术有限公司、株洲时代电子技术有限公司、株洲时代电子技术有限公司、株洲时代电子技术有限公司 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 模型检测性能对比：改进的YOLOv3红外图像行人检测算法》2020.07.30
- 《表1 轨旁基站布放间距：基于TD-WiFi技术的城轨高速线路车地无线网络解决方案》2020.10.18
- 《表1 各符号释意：非封闭式轨道交通直流牵引系统轨旁设备接地研究》2020.10.20
- 《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2 实验数据：改进YOLOv3的非机动车检测与识别方法》2021.01.01
- 《表2 3种方法效果对比：一种基于SIFT-BOW模型的绝缘子图像识别方法》2020.11.25
- 《表1 模型训练设计：基于改进YOLOv3网络的学生特定行为识别》2020.07.01
- 《表1 模型构建方式：基于改进卷积神经网络的管焊缝X射线图像缺陷识别方法》2020.01.25
- 《表1 车辆轨旁检测系统配置及安装位置》2020.04.10
- 《表1 2种模型测试对比：改进YOLOv3网络提高甘蔗茎节实时动态识别效率》2019.12.01
- 《表5 BP网络识别结果：PCA与ELM模型相结合的矿井突水水源快速识别方法研究》2020.01.20
- 《表3 各成分解释方差率：PCA与ELM模型相结合的矿井突水水源快速识别方法研究》2020.01.20
- 《表4 ELM识别结果：PCA与ELM模型相结合的矿井突水水源快速识别方法研究》2020.01.20
- 《表1 精度对比结果：基于图像检索与GPS定位相结合的地标识别系统》2019.09.28
- 《表4 模型拟合检验：特征选择与Logistic回归相结合的担保圈风险识别方法》2019.08.01
- 《表3 模型检验结果：特征选择与Logistic回归相结合的担保圈风险识别方法》2019.08.01
- 《表1 滤波器输出对比：轨旁ATC系统门控柜接收/驱动板改造》2019.04.17
- 《表3 上线测试验证：轨旁ATC系统门控柜接收/驱动板改造》2019.04.17
- 《表1 信号机组合示例：基于通信技术的铁路信号轨旁设备控制方案研究》2019.04.01