《表2 YOLOv3识别指标》
提示：宽带有限、当前游客访问压缩模式
使用训练后的模型对测试集的图像进行目标识别，图像识别平均耗时0.04 s，识别速度可达25 Fps，具体指标如表2所示。
| 图表编号 | XD009452500 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.10.10 |
| 作者 | 张清亮、沈寿林、张国宁 |
| 绘制单位 | 陆军指挥学院、陆军指挥学院、陆军指挥学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 典型轨旁标识图像：结合YOLOv3模型的轨旁公里标识别方法》2020.10.05
- 《表1 训练和测试集分布：基于改进YOLOv3的锌阴极板残留物图像识别方法》2021.02.25
- 《表2 识别结果：基于改进YOLOv3的锌阴极板残留物图像识别方法》2021.02.25
- 《表1 8 DNET和YOLOv3的评价指标》2021.02.25
- 《表2 实验数据：改进YOLOv3的非机动车检测与识别方法》2021.01.01
- 《表2 YOLOv3-tiny算法在低质量遥感图像下检测指标》2021.01.01
- 《表2 实验结果：基于YOLOv3的宫颈细胞识别系统》2021.02.05
- 《表4 浆料指标：YOLOv3在安全帽佩戴检测中的应用研究》2020.12.25
- 《表1 航拍设备参数：无人机遥感影像的YOLOv3鼠洞识别技术》2020.10.01
- 《表1 模型训练设计：基于改进YOLOv3网络的学生特定行为识别》2020.07.01
- 《表1 YOLOv3（品牌款式）与细粒度识别算法的实验结果》2020.07.10
- 《表2 YOLOv3应用于目标定位与单种属性识别实验结果》2020.07.10
- 《表2 网络性能指标对比：基于轻量化YOLOv3卷积神经网络的苹果检测方法》2020.08.25
- 《表7 抓取实验统计表：基于改进的YOLOv3算法在目标识别与抓取中的应用》2020.04.01
- 《表6 实验结果对比：基于改进的YOLOv3算法在目标识别与抓取中的应用》2020.04.01
- 《表2 重要指标：基于YOLOv3的教室人数检测》2020.09.28
- 《表1 样本分类：基于YOLOv3的船舶实时监测识别》2020.03.01
- 《表1 2种模型测试对比：改进YOLOv3网络提高甘蔗茎节实时动态识别效率》2019.12.01
- 《表1 网络配置：自适应边缘优化的改进YOLOV3目标识别算法》2019.07.05
- 《表2 训练与测试数据：自适应边缘优化的改进YOLOV3目标识别算法》2019.07.05