《表3 跟踪算法的速度：基于正则化卷积神经网络的目标跟踪算法》
提示：宽带有限、当前游客访问压缩模式
以每秒平均帧数（帧/s）表示的整体效率比较如表3所示。可以得出结论，虽然所提方法比IVT、MIL和L2跟踪算法稍慢，但在大多数情况下它更稳定且准确。
| 图表编号 | XD0064184400 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.06.25 |
| 作者 | 张海波 |
| 绘制单位 | 陕西学前师范学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 检测结果更新算法：面向智慧生物实验室的弱外观多目标轻量级跟踪网络》2021.01.01
- 《表2 VGG网络结构：结合重检测机制的多卷积层特征响应跟踪算法》2021.03.01
- 《表1 四种算法评估指标：基于孪生区域候选网络的无人机指定目标跟踪》2021.02.10
- 《表1 问题支架：基于自适应Siamese网络的无人机目标跟踪算法》2020.01.25
- 《表1 算法速度表：基于多模态数据的目标跟踪算法》2020.11.01
- 《表1 算法跟踪指标：基于深度学习的行人单目标跟踪》2020.05.15
- 《表3 测试视频的属性：融合多层卷积特征自适应更新的目标跟踪算法》2020.01.25
- 《表1 不同λ值对比：SA-Siam++:基于双分支孪生网络的目标跟踪算法》2019.12.01
- 《表5 速度比较：基于Harris角点与广义霍夫变换的扩展目标稳定跟踪算法》2019.09.01
- 《表2 目标机动情况：基于人工神经网络的多模型目标跟踪算法》2019.08.30
- 《算法2 回归算法流程：基于深度学习的飞机目标跟踪应用研究》2019.09.01
- 《表1 中心位置误差：基于正则化卷积神经网络的目标跟踪算法》2019.06.25
- 《表2 重叠率：基于正则化卷积神经网络的目标跟踪算法》2019.06.25
- 《表2 基于MDNet改进的目标跟踪算法》2019.06.25
- 《表2 定量评价指标值：基于改进空间正则化相关滤波器的运动目标跟踪研究》2019.01.28
- 《表1 传统目标跟踪与卷积神经跟踪算法比较》2018.03.01
- 《表2 视频跟踪结果：基于改进粒子滤波的视觉目标跟踪算法研究》2018.11.05
- 《表1 跟踪结果对比：基于IMM-极限迭代UFIR的机动目标跟踪算法》2018.06.01
- 《表1 跟踪速度的比较：基于卷积神经网络的实时跟踪算法》2018.05.20
- 《表3 基于卷积特征的跟踪算法在OTB-2013上的准确率、精确度和跟踪速度》2019.11.25