《表3 交通标识识别耗时：基于多特征融合的交通标识实时分类与识别》
提示：宽带有限、当前游客访问压缩模式
ms
最后通过获取不同路况下的交通标识图像进行识别，采用不同环境下的2 000幅219×222交通标识图片作为分类器学习训练的数据库。表3为交通标识识别的耗时。
| 图表编号 | XD0096165200 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.06.01 |
| 作者 | 揭伟、李为相、李为 |
| 绘制单位 | 南京工业大学电气工程与控制科学学院、南京工业大学电气工程与控制科学学院、南京工业大学电气工程与控制科学学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 标注示例：融合多特征的老挝机构名实体识别方法》2020.10.01
- 《表3 结构方程模型结果：多特征融合的行为识别模型》2020.12.16
- 《表2 三组患者一般资料：多特征融合的行为识别模型》2020.12.16
- 《表1 参数指标：多特征融合的行为识别模型》2020.12.16
- 《表7 多特征的融合系统各关键词识别率》2019.11.01
- 《表3 对照试验分析结果：基于多特征融合的城市轨道交通短时客流预测》2020.12.20
- 《表5 凝胶率实验结果：基于多特征融合的城市轨道交通短时客流预测》2020.12.20
- 《表3 混淆矩阵：基于多特征融合神经网络的串联电弧故障识别技术》2021.02.28
- 《表1 试验所用负载类型：基于多特征融合神经网络的串联电弧故障识别技术》2021.02.28
- 《表2 数据集分配表：基于多特征融合神经网络的串联电弧故障识别技术》2021.02.28
- 《表3 模型超参数：融合多特征的老挝语人名地名命名实体识别》2020.03.15
- 《表5 三种算法性能对比：基于HOG特征与手部多特征信息融合的静态手势识别》2020.08.25
- 《表4 两类图像特征：基于HOG特征与手部多特征信息融合的静态手势识别》2020.08.25
- 《表2 实验主要软件环境：基于多特征融合的意图识别算法研究》2020.07.25
- 《表1 实验硬件环境：基于多特征融合的意图识别算法研究》2020.07.25
- 《表2 训练参数：多特征融合的鸟类物种识别方法》2020.03.01
- 《表2 实体数量统计：基于深度学习和多特征融合的中文电子病历实体识别研究》2019.11.30
- 《表5 时间复杂度对比：基于多特征融合的交通标志识别算法》2019.09.15
- 《表1 基于单一特征与多特征融合的海洋涡旋识别精度对比》2019.01.16
- 《表2 分类算法结果比较：基于随机森林分类优化的多特征语音情感识别》2019.01.05