《表1 检测结果：基于主结构提取与签名算法的织物缺陷检测》
提示：宽带有限、当前游客访问压缩模式
对样本库中的50张有缺陷图像与50张无缺陷图检测结果进行统计分析，与文献[14-15]进行了比较。以漏检个数、误检个数，平均耗时作为对比指标，实验结果如表1所示。
| 图表编号 | XD0057348900 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.04.01 |
| 作者 | 王震、景军锋、张缓缓、苏泽斌 |
| 绘制单位 | 西安工程大学电子信息学院、西安工程大学电子信息学院、西安工程大学电子信息学院、西安工程大学电子信息学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 不同算法统计结果：基于机器视觉的金属板材表面缺陷光学检测技术》2020.09.10
- 《表1 欧洲锈蚀等级：基于深度学习目标检测的电力设备锈蚀缺陷检测算法》2020.12.05
- 《表1 基于区域亮度自适应校正算法脐橙表面缺陷检测结果》2020.06.16
- 《表1 特征提取网络结构：基于Faster-RCNN的快速目标检测算法》2020.08.01
- 《表5 实验结果汇总：基于改进的Faster-RCNN模型的汽车轮毂表面缺陷在线检测算法研究》2020.06.20
- 《表1 实验结果统计表：基于HALCON的贴片IC焊接缺陷检测算法研究》2020.08.25
- 《表2 重复测量结果：基于双结构光的微小圆柱端面缺陷检测》2019.12.15
- 《表1 分类结果：基于双结构光的微小圆柱端面缺陷检测》2019.12.15
- 《表1 特征提取网络结构：基于改进的特征提取网络的目标检测算法》2019.12.10
- 《表2 算法检测精度：基于深度学习的驾驶场景关键目标检测与提取》2019.12.30
- 《表1 柱倾斜检测结果：法海寺大雄宝殿结构解析与缺陷检测分析》2020.01.01
- 《表1 模型验证结果表：基于深度学习的目标检测算法在冷轧表面缺陷检测中的应用》2019.11.01
- 《表1 算法检测结果对比：基于频域信息与梯度特征融合的接触轨面缺陷检测》2019.09.01
- 《表1 检测结果表：基于区域生成网络结构的多层特征融合目标检测算法》2019.08.28
- 《表1 缺陷检测统计：一种基于日期码的快速缺陷检测算法》2019.06.01
- 《表2 特征提取结果：基于图像处理的钢板缺陷检测方法》2019.06.01
- 《表2 测距结果对比：基于特征点提取技术的车辆行车视距检测算法研究》2019.07.15
- 《表4 其他算法效果对比：基于卷积神经网络的主变压器外观缺陷检测方法》2019.04.25
- 《表1 算法运行硬件配置：基于卷积神经网络的主变压器外观缺陷检测方法》2019.04.25
- 《表1 平均检测时间：基于感兴趣区域提取与双过滤器的交通标志检测算法》2018.05.01