《表5 实验四的统计结果：融合深度学习目标识别的监控视频摘要浓缩方法》
提示：宽带有限、当前游客访问压缩模式
将本文方法与文献[9]和文献[10]提出的方法进行对比，结果如表5所示。
| 图表编号 | XD00226990200 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.08.25 |
| 作者 | 蔡恬、林哲 |
| 绘制单位 | 汕头职业技术学院网络与信息中心、汕头职业技术学院计算机系、中山大学广东省大数据分析与处理重点实验室 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表4 实验三的统计结果：融合深度学习目标识别的监控视频摘要浓缩方法》2020.08.25
- 《表3 实验二的统计结果：融合深度学习目标识别的监控视频摘要浓缩方法》2020.08.25
- 《表2 实验一的统计结果：融合深度学习目标识别的监控视频摘要浓缩方法》2020.08.25
- 《表1 字符样本集统计：基于深度学习的印刷体文档字符识别的研究》2020.12.01
- 《表3 测试集表现：基于深度学习的远程视频监控异常图像检测》2021.02.28
- 《表3 深度神经网络用于水下目标检测与识别的对比分析》2020.03.25
- 《表1 实验结果：基于半监督学习的命名实体识别的方法》2020.01.25
- 《表4 算法比较：视频中遮挡行人再识别的局部特征度量方法》2020.02.01
- 《表2 图3相似度得分：视频中遮挡行人再识别的局部特征度量方法》2020.02.01
- 《表1 图2相似度得分：视频中遮挡行人再识别的局部特征度量方法》2020.02.01
- 《表5 各模型的识别结果：融合知识库和深度学习的电网监控告警事件智能识别》2020.04.10
- 《表1 测试结果：融合个体识别的3D点云语义分割方法研究》2019.12.20
- 《表3 网络识别性能评价：用于水声目标信号时频特征提取与识别的深度卷积神经网络》
- 《表2 实验结果混淆矩阵：用于水声目标信号时频特征提取与识别的深度卷积神经网络》
- 《表1 数据说明：用于水声目标信号时频特征提取与识别的深度卷积神经网络》
- 《表4 实验结果：基于时频融合和注意力机制的深度学习行星齿轮箱故障诊断方法》2019.06.01
- 《表3 不同学习率之下训练和识别的统计结果》2019.07.15
- 《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3 基于总语料的摘要识别的前5位热点词及聚类》2018.03.15
- 《表1 实验结果：基于图像识别的吸量管液位检测方法研究》2019.12.01