《表2 流动摊位检测模型的识别效果统计》
提示：宽带有限、当前游客访问压缩模式
本文选取了几个流动摊位较多的场景，测试了流动摊位检测模型的检测效果，结果如表2所示.由于视频中不存在预先的标注，本文采用人工辨别的方式进行数据统计.
| 图表编号 | XD0079876600 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.07.01 |
| 作者 | 陈晋音、王桢、郑海斌 |
| 绘制单位 | 浙江工业大学信息工程学院、浙江工业大学信息工程学院、浙江工业大学信息工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 迁移不同网络模型在干净图像数据集上的识别效果》2020.09.15
- 《表4 视频检测下不当行为的识别效果比较》2021.02.10
- 《表2 本文模型识别效果：游乐设施焊接缺陷分析与检测研究》2020.12.01
- 《表1 2种算法检测识别效果对比》2020.12.28
- 《表2 试验效果对比：基于深度卷积神经网络的水稻纹枯病检测识别》2020.10.01
- 《表3 各类缺陷的检测识别效果》2021.01.31
- 《表2 目标检测测试效果：基于Mask R-CNN的机场地面保护区航空器识别研究》2020.11.25
- 《表2 不同模型的比较：基于SSD目标检测框架的乌龟常见病症识别方法》2020.04.01
- 《表2 市场摊位法过程表（CE范式）》2020.06.30
- 《表2 各类模型识别率：基于Inception-V3模型的金属板材表面缺陷检测系统》2020.02.20
- 《表5 各检测算法检测识别效果对比》2020.02.01
- 《表5 各检测算法检测识别效果对比》2019.11.01
- 《表2 不同模型识别效果比较》2019.10.25
- 《表5 旁海流动摊位概况：“场圈”与文化认同:凯里苗族生肖场研究》2019.09.01
- 《表3 流动摊位检测模型总体检测效果》2019.07.01
- 《表2 基于统计特征的概率神经网络识别效果》2019.07.25
- 《表2 CNN训练效果：基于SoC FPGA和CNN模型的动作识别系统设计》2019.02.06
- 《表2 入侵模式识别效果统计分析》2019.05.20
- 《表2 3种模型对齿轮箱故障2 (齿面点蚀+轮齿磨损混合) 的识别效果》2019.01.15
- 《表2 模型训练结果对比：基于DSSD的接触网鸟窝识别检测研究》2019.12.01