《表3 运行环境配置表：基于YOLO的驾驶视频目标检测方法》
提示：宽带有限、当前游客访问压缩模式
本文试验环境如表3所示，该运行环境下的YOLO驾驶视频目标检测系统检测速度可达20FPS。
| 图表编号 | XD0039086000 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.01.25 |
| 作者 | 文浩彬、张国辉 |
| 绘制单位 | 西安交通大学、华南理工大学机械与汽车工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 训练环境配置：基于深度学习的无人机拍摄图像绝缘子目标检测》2020.10.25
- 《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2 母材及HAZ性能：基于改进YOLO的公路路网视频并发检测及应用》2020.10.25
- 《表1 实验运行环境：基于改进Cascade RCNN的车辆目标检测方法》2021.03.01
- 《表A4实验环境硬件配置：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1 实验环境配置：基于金字塔模型和注意力机制的YOLO V3目标检测算法》2020.11.01
- 《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2 实验环境配置参数：基于改进SSD算法的遥感影像小目标快速检测》2020.05.01
- 《表4 模型识别帧率：基于S4-YOLO的海上目标检测识别方法》2020.08.10
- 《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 实验硬件环境：基于YOLO目标分割的船舶识别算法研究》2019.12.01
- 《表1 实验软件环境：基于YOLO目标分割的船舶识别算法研究》2019.12.01
- 《表1 图像视频输出：基于YOLO模型的目标检测软件》2019.07.25
- 《表1 mAP变化：YOLO9000模型的车辆多目标视频检测系统研究》2019.08.25
- 《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3 卫星视频的动目标检测方法》2019.09.01
- 《表1 实验环境配置：基于深度学习的复杂背景雷达图像多目标检测》2019.06.01
- 《表1 基础样本数据库：基于YOLO的驾驶视频目标检测方法》2019.01.25
- 《表4 YOLO驾驶视频目标检测系统的测试结果》2019.01.25
- 《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