《表1 测试效果对比：一种基于剪枝YOLO的传感器识别方法》
提示：宽带有限、当前游客访问压缩模式
之后，将本文与相关算法（SSD、Faster R-CNN、YOLOv2）进行同样数据集的训练、测试来进行效果的对比，结果如表1所示。
| 图表编号 | XD009514100 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.11.15 |
| 作者 | 蒋文翔、张传臣 |
| 绘制单位 | 中国海洋大学信息科学与工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 模型效果对比：基于YOLO v3的输电线路缺陷快速检测方法》2020.08.01
- 《表1 违章识别率对比表：一种基于红外传感的矿井人员违章识别系统》2021.03.05
- 《表2 测试集效果：基于多种传感信息融合的大型立式水轮发电机电晕检测方法》2020.11.25
- 《表2 3种方法效果对比：一种基于SIFT-BOW模型的绝缘子图像识别方法》2020.11.25
- 《表3 YOLO测试结果：基于YOLO架构的海面目标航空器识别研究》2020.12.05
- 《表2 加速效果统计表：基于改进YOLO V3的接触网绝缘子检测方法》2020.08.01
- 《表1 各类番茄图像数量：基于改进型YOLO的复杂环境下番茄果实快速识别方法》2020.06.25
- 《表2 实验结果：一种基于改进YOLO v3的安全帽检测方法》2020.06.01
- 《表1 剪枝训练结果：一种改进的神经网络模型结构优化方法》2020.04.25
- 《表4 模型识别帧率：基于S4-YOLO的海上目标检测识别方法》2020.08.10
- 《表2 先验框比较：基于S4-YOLO的海上目标检测识别方法》2020.08.10
- 《表2 识别效果对比表：一种深度学习的雷达辐射源识别方法》2020.06.20
- 《表2 奶牛识别结果示例：基于改进YOLO v3模型的挤奶奶牛个体识别方法》2020.04.25
- 《表6 综合实验结果对比：肝癌患者在线提问的命名实体识别研究:一种基于迁移学习的方法》2019.12.25
- 《表4 测试样本来源：基于深度学习的无人值守地面传感器目标检测与识别方法》2019.09.01
- 《表3 分类效果对比：一种基于最小距离编辑法的模糊地址识别模型》2019.10.21
- 《表1 不同方法的对比：基于传感器的推进分系统极性测试系统》2018.03.01
- 《表1 划分效果对比：一种基于轨迹特征划分的交通轨迹数据分析方法》2018.11.25
- 《表4 综合对比：一种基于深度学习的禁飞区无人机目标识别方法》2018.06.01
- 《表1 实验效果对比：基于YOLO v3的交通标志牌检测识别》2019.11.20