《表1 本文算法检测数据：复杂背景下改进的棋盘格内角点检测算法》
提示：宽带有限、当前游客访问压缩模式
计算得到：E=0.1005，角点精度达到亚像素级别。
| 图表编号 | XD006915100 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.12.16 |
| 作者 | 刘飞飞、吴志刚、任舒琪、朱晨 |
| 绘制单位 | 江西理工大学电气工程与自动化学院、江西理工大学电气工程与自动化学院、江西理工大学电气工程与自动化学院、江西理工大学电气工程与自动化学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 工艺试验记录表：一种改进隔离森林的快速离群点检测算法》2019.11.01
- 《表2 不同算法在本文数据集上的检测结果》2021.02.01
- 《表3 3种算法效果对比：基于深度学习的较复杂背景下桥梁裂缝检测》2020.11.01
- 《表2 5种算法性能对比：基于深度学习的较复杂背景下桥梁裂缝检测》2020.11.01
- 《表2 中心点坐标标准差：复杂背景下的激光光斑中心检测算法》2020.04.01
- 《表1 计算复杂度对比：用于大规模MIMO系统的改进CG检测算法》2020.07.28
- 《表3 算法运行时间：一种改进的高维度离群点检测方法》2020.02.10
- 《表2 摄像机标定结果：基于角点灰度分布特征的棋盘格角点检测》2020.01.10
- 《表1 各算法检测性能：复杂光照条件下的交通标志检测与识别》2019.12.10
- 《表1 不同阈值下两区域棋盘格检测的总体精度比较》2020.01.01
- 《表1 阴影检测评价指标：融合改进帧差和视觉背景提取算法的前景检测》2019.09.01
- 《表1 特征点检测对比：基于改进FAST检测的ORB特征匹配算法》2019.07.28
- 《表2 SIFT与本文算法在特征点检测阶段的耗时比较结果》2019.10.01
- 《表1 算法性能评估指标：基于改进视觉背景提取算法的运动目标检测方法》2019.01.10
- 《表1 算法复杂度比较：MUSA系统的一种低复杂度改进检测算法》2018.02.01
- 《表2 基本仿真参数：MUSA系统的一种低复杂度改进检测算法》2018.02.01
- 《表2 算法复杂度对比：SCMA系统中改进的MAX-Log MPA多用户检测算法》2018.05.06
- 《表6 本文算法和其他算法在MSCOCO数据集上的检测结果》2019.12.01
- 《表5 本文算法和一阶段检测算法在PASAL VOC2007数据集上的检测结果》2019.12.01
- 《表4 本文算法和其他算法在PASAL VOC2007数据集上的检测结果》2019.12.01