《表1 在ECSSD数据集上的各个评价指标值》
提示：宽带有限、当前游客访问压缩模式
从表1中发现，通过复杂ECSSD数据集测试，本文算法准确率达95.3%，时间消耗仅需0.012s，具有较高的检测准确率，并且能够满足实时性。
| 图表编号 | XD0088721000 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.05.25 |
| 作者 | 马翠红、王毅、毛志强 |
| 绘制单位 | 华北理工大学电气工程学院、华北理工大学电气工程学院、华北理工大学电气工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 各算法在测评数据集上的评价指标对比》2020.06.15
- 《表2 三种模型在预测数据集上的评价指标结果》2020.12.15
- 《表4 SVM分类方法在各个数据集上的正确率》2021.03.05
- 《表3 不同模型在JNLPBA数据集上的评价指标对比》2021.02.10
- 《表4 不同模型在NCBI数据集上的评价指标对比》2021.02.10
- 《表1 不同算法在测试数据集上的客观评价指标》2021.01.25
- 《表3 本文方法与文献[1,14,15]方法在筛选数据集上的评价指标对比》2020.08.10
- 《表1 各个方法在相关数据集上的分类准确率(%)》2021.02.01
- 《表2 不同方法在ECSSD数据集上的结果》2020.05.01
- 《表1 各个方法在ISTD数据集上的源域阴影检测性能》2020.07.10
- 《表2 各个方法在SBU数据集上的跨域阴影检测性能》2020.07.10
- 《表2 算法在各个数据集上的聚类结果》2019.09.20
- 《表6 EBSCMD算法在各个数据集上的时间复杂度统计》2019.08.01
- 《表5 各个算法在Sanitation数据集上的F1-score》2019.02.10
- 《表1 1 八种算法在slashdot数据集上的评价指标值及平均得分》2019.02.15
- 《表1 0 八种算法在yeast数据集上的评价指标值及平均得分》2019.02.15
- 《表9 八种算法在scene数据集上的评价指标值及平均得分》2019.02.15
- 《表8 八种算法在enron数据集上的评价指标值及平均得分》2019.02.15
- 《表6 不同算法在各个数据集上的比较》2018.11.01
- 《表3 各个人脸检测器在不同数据集上的检测结果》2018.03.01