《表2 顶部人头检测结果：基于BING和CNN的高效人头检测方法》
提示：宽带有限、当前游客访问压缩模式
算法检测到的人头将与标记框做对比与标记框IoU大于0.7的框被认为正确，小于0.3的被认为误检。如表2～表3所示。
| 图表编号 | XD0088726000 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.09.25 |
| 作者 | 郑国书、谢金龙 |
| 绘制单位 | 上海大学通信与信息工程学院、上海大学通信与信息工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 试验结果对比：基于GRU-CNN的综合能源网络安全攻击检测方法》2021.02.25
- 《表1 MAP对比结果：基于汇聚CNN和注意力增强网络的遮挡人脸检测方法》2021.01.01
- 《表1 情况和类别：基于Faster R-CNN的灵武长枣图像检测方法》2021.02.15
- 《表2 屋面恒荷载统计：一种改进的轻量人头检测方法》2021.01.01
- 《表1 客户参数：一种改进的轻量人头检测方法》2021.01.01
- 《表4 新标准无减速测定的人头模型冲击试验与旧标准人头模型冲击试验的差异》2021.02.25
- 《表1 柴油机基本参数：基于TOF相机和级联卷积网络的人头检测》2020.07.15
- 《表1 头皮标本基础数据：人头皮毛乳头细胞体外培养方法及其不同代数形态学比较》2020.08.28
- 《表2 分类结果混淆矩阵：基于CNN的强噪声干扰下C扫成像检测方法》2020.07.18
- 《表1 CT参数设置：一种基于日志信息和CNN-text的软件系统异常检测方法》2020.02.01
- 《表3 多角度人头检测结果》2019.09.25
- 《表2 临高人头面部和体部各项指数》2019.05.01
- 《表1 临高人头面部、体部测量结果》2019.05.01
- 《表1 临高人头面部、体部测量结果》2019.05.01
- 《表3 家庭观众类型：基于数人头调查的科技馆散客观众画像研究——以广东科学中心为例》2019.05.15
- 《表2 采用并行有限元区域分解方法计算汽车+人头模型的相关计算信息统计结果》2019.04.20
- 《表1 采用不同方法计算复杂分层人头模型的相关计算信息统计结果》2019.04.20
- 《表2 行人人头检测不同组合模型的准确率》2019.01.30
- 《表1 基于卷积神经网络的行人人头检测组合模型的试验设计》2019.01.30
- 《表3 行人人头检测不同组合模型的单张图片检测时间》2019.01.30