《表1 对比结果：基于CNN的无人驾驶行人识别》
提示：宽带有限、当前游客访问压缩模式
将该方法同HOG-SVM[5]、LDCF[2]方法进行对比，得到的对比结果如表1所示。
| 图表编号 | XD0077417700 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.05.25 |
| 作者 | 张芝衔 |
| 绘制单位 | 西安市曲江第一中学 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表4 识别精度实验对比：基于Mask R-CNN的款式图衣领识别》2021.02.01
- 《表1 测试结果：基于CNN网络的带遮挡车牌识别》2021.02.18
- 《表6 3组对比实验结果：基于特征融合CNN模型的ECG信号识别方法研究》2020.11.15
- 《表4 实验结果对比：基于同步压缩短时傅里叶变换的微型无人机识别》2021.01.28
- 《表1 试验配比表：基于Mask R-CNN的无人机影像路面交通标志检测与识别》2020.12.01
- 《表2 试样配比表：基于Mask R-CNN的无人机影像路面交通标志检测与识别》2020.12.01
- 《表1 分类识别率结果：夜间监控下基于步态的行人身份识别》2020.08.10
- 《表1 基于CNN算法的漂秧识别结果》2020.08.15
- 《表4 检测结果对比表：基于Faster R-CNN算法的探地雷达管线目标智能识别》2020.06.30
- 《表1 测试结果：基于CNN的安全智能监测识别算法》2020.02.20
- 《表2 模型参数：基于宽浅稠密网络的无人驾驶汽车交通标志牌识别》2020.01.24
- 《表4 行人检测识别结果：基于智能控制算法的自动驾驶系统优化研究》2019.10.15
- 《表3 算法结果对比：一种基于3D-CNN的微表情识别算法》2019.10.28
- 《表1 采用的CNN结构：基于集成推理卷积神经网络的快速行人检测》2019.08.15
- 《表4 基于Softmax的CNN识别结果》2019.08.25
- 《表5 基于SVM的CNN识别结果》2019.08.25
- 《表1 新增样本构成：一种基于Faster R-CNN的行人检测算法》2019.08.01
- 《表2 仿真结果对比：基于感兴趣区域的CNN-Squeeze交通标志图像识别》2019.06.01
- 《表1 识别效果对比表：基于机器学习的自动驾驶汽车AEB系统儿童识别优化算法》2019.06.25
- 《表1 识别结果对比：基于CNN的人体姿态识别》2019.02.01