前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
社区首页 >专栏 >MATLAB读取Execl数据并绘制曲线图

MATLAB读取Execl数据并绘制曲线图

作者头像
狼啸风云
修改于 2022-09-03 11:46:47
修改于 2022-09-03 11:46:47
2.1K00
代码可运行
举报
运行总次数:0
代码可运行
代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
clc;
close all;
num = xlsread('D:\paper\1multiscale\figure\introduction\class_statistics.xlsx');
cls = [1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21];
R_CNN = num(1,:);
SPPNet = num(2,:);
Fast = num(3,:);
Faster = num(4,:);
SSD = num(5,:);
plot(cls,R_CNN,'r-*');
set(gca,'xtick',[1:1:21]);
set(gca,'XTickLabel',{'aero','bird','bike','boat','bottle','bus','car','cat','chair','cow','table','dog','horse','mbike','person','plant','sheep','sofa','train','tv','mAP'})
hold on
plot(cls,SPPNet,'b-s');
hold on
plot(cls,Fast,'g-+');
hold on
plot(cls,Faster,'m-o');
hold on
plot(cls,SSD,'m-p');
hold on;
h=legend('R-CNN','SPPNet','Fast R-CNN','Faster R-CNN','SSD');
本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2019/12/05 ,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
faster rcnn demo.py:在一个窗口显示所有类别标注
本文介绍了如何使用 Faster R-CNN 实现目标检测,并通过示例进行了演示。首先介绍了 Faster R-CNN 的整体架构,然后阐述了其网络结构和配置参数。接着,通过四个示例进行了演示,包括预训练模型的选择、配置参数、检测结果的展示以及最后的网络热启动。通过本文的介绍,可以快速上手使用 Faster R-CNN 进行目标检测任务。
10km
2018/01/03
1.1K0
faster rcnn demo.py:在一个窗口显示所有类别标注
论文实践学习 - Faster R-CNN 测试
Faster R-CNN 的 caffe-fast-rcnn 版本没有更新,导致新版的 cudnn 不能使用,Makefile.config 添加 cudnn:=1 时,编译无法通过. 对此,作以下修改: 将 caffe-fast-rcnn 中的以下文件替换为 BAIR(BVLC) 的 caffe 的对应文件:
AIHGF
2019/02/18
5660
论文实践学习 - Faster R-CNN 测试
Faster R-CNN 目标检测体验篇
上次我们分享了目标检测 One-Stage 的代表 YOLO,从体验、理论到代码实战。其实 One-Stage 还有一个代表是 SSD ,这个等到下一次我们再讲解,因为 SSD 涉及到部分 Two-Stage 目标检测的知识。
kbsc13
2019/12/02
1.2K0
Dataset - COCO Dataset 数据特点
COCO数据集有超过 200,000 张图片,80种物体类别. 所有的物体实例都用详细的分割mask进行了标注,共标注了超过 500,000 个物体实体.
AIHGF
2019/02/18
1.5K0
目标检测1: 目标检测20年综述之(一)
本文是目标检测方向的第一篇,目标检测是当前个人最熟悉的任务之一,这是很久之前在知乎专栏写的文章,曾经被多个公众号转载,但是因为一些客观原因,无意中注销了知乎。在分享目标检测相关的总结之前,先介绍一下目标检测任务很有必要,而了解一个任务最简单的方式就是通过综述,所以重新展示一下该篇。
枫桦
2022/08/02
7360
目标检测1: 目标检测20年综述之(一)
【图像分类】基于Pascal VOC2012增强数据的多标签图像分类实战
基于image-level的弱监督图像语义分割大多数以传统分类网络作为基础,从分类网络中提取物体的位置信息,作为初始标注。
OpenCV学堂
2019/07/12
3.9K1
【图像分类】基于Pascal VOC2012增强数据的多标签图像分类实战
MaskRCNN 何凯明_cnn应用
本文介绍了Mask Rcnn目标分割项目的搭建及运行过程,并对搭建过程中可能出现的问题进行了解答。
全栈程序员站长
2022/11/10
1.1K0
MaskRCNN 何凯明_cnn应用
计算机视觉中的物体检测方法
本文适合刚入门物体检测的人群学习,不涉及公式推理。 目录 *摘要 *相关物体检测数据集介绍 *现有的主流物体检测算法 *物体检测的难点与挑战 *相关术语介绍 *物体检测的传统算法概述 *基于深度学习的物体检测算法 R-CNN Fast-RCNN Faster-RCNN YOLO *物体检测动手实践 *参考文献 摘要 相比于图像分类,图像中物体检测是计算机视觉中一个更加复杂的问题,因为图像分类只需要判断出图像属于哪一类就行,而在物体检测中,图像里可能有多个物体,我们需要对所有
张俊怡
2018/04/24
9860
计算机视觉中的物体检测方法
目标检测 - Faster R-CNN 训练过程源码理解
得到的 imdb = pascal_voc(‘trainval’, ‘2007’) 记录的内容如下:
AIHGF
2019/02/18
1.1K0
20年的目标检测大综述(章节2)
今天我们接着上次综述章节1继续来大家来说说,本次主要说说20年内的目标检测,感谢大家的关注与支持。
计算机视觉研究院
2020/03/04
8980
【Faster R-CNN】2. Faster RCNN代码解析第一弹
在2月10日,Faster RCNN专栏由pprp同学起了个头,文章地址见这里:【Faster R-CNN】1. 梳理Faster R-CNN的四个模块,本着对公众号的每个专栏负责任的态度,我将在接下来的时间里将整个Faster RCNN的原理以及代码(陈云大佬的:https://github.com/chenyuntc/simple-faster-rcnn-pytorch)按照我的理解讲清楚并结束这个专题。
BBuf
2020/05/19
1.3K0
YOLOV5入门讲解+常用数据集
目标检测是计算机视觉中比较简单的任务,用来在一张图篇中找到某些特定的物体,目标检测不仅要求我们识别这些物体的种类,同时要求我们标出这些物体的位置
淼学派对
2023/10/14
6K0
YOLOV5入门讲解+常用数据集
【目标检测】YOLOv5跑通VOC2007数据集(修复版)
在【目标检测】YOLOv5跑通VOC2007数据集一文中,我写了个脚本来提取VOC中Segmentation划分好的数据集,但是经过观察发现,这个train.txt中仅有209条数据,而VOC2007的图片有9963张,这意味着大量的图片被浪费,没有输入到模型中进行训练。
zstar
2022/09/16
5860
【目标检测】YOLOv5跑通VOC2007数据集(修复版)
通过深度学习实现安全帽佩戴的检测
前一段时间做企业的智能安全项目,我们在面对一些问题时,大胆采用深度学习的方法,解决传统算法和统计学算法不好实现的问题,今天就和大家分享一下,如何解决通过视频监控检测工人是否佩戴安全帽的深度学习算法。
用户1332428
2018/03/09
3.7K2
通过深度学习实现安全帽佩戴的检测
【目标检测】YOLOv5-PyQT可视化例程开发
花了几天功夫做了一个YOLOv5的PyQT可视化程序,主要针对多幅图片训练、自动标注和检测展示。涉及正在进行的项目,暂时不开源。在开发过程中,踩了不少坑,这里简单做一些记录。
zstar
2022/10/31
1.6K0
【目标检测】YOLOv5-PyQT可视化例程开发
FCN 的简单实现
学习了沐神的 gluon 课程,觉得里面有关于 fcn 的课程(http://t.cn/RQI7iD7 ) 特别有用,于是总结一下,同时使用 pytorch 重新实现,不仅实现 gluon 教程中的部
AI研习社
2018/03/16
3.6K0
FCN 的简单实现
Faster RCNN 基于 OpenCV DNN 的目标检测实现
在前面已经测试过 YOLOV3 和 SSD 基于 OpenCV DNN 的目标检测实现,这里再简单实现下 Faster RCNN 基于 DNN 的实现.
AIHGF
2019/05/13
1K0
Faster RCNN 基于 OpenCV DNN 的目标检测实现
手把手教你用深度学习做物体检测(二):数据标注
  上篇文章介绍了如何基于训练好的模型检测图片和视频中的物体,若你也想先感受一下物体检测,可以看看上篇文章:《手把手教你用深度学习做物体检测(一):快速感受物体检测的酷炫 》。
程序员一一涤生
2019/09/05
1.2K0
手把手教你用深度学习做物体检测(二):数据标注
YOLO算法的原理与实现
作者:叶 虎 编辑:祝鑫泉 前言 1 当我们谈起计算机视觉时,首先想到的就是图像分类,没错,图像分类是计算机视觉最基本的任务之一,但是在图像分类的基础上,还有更复杂和有意思的任务,如目标检测,物体定位,图像分割等,见图1所示。其中目标检测是一件比较实际的且具有挑战性的计算机视觉任务,其可以看成图像分类与定位的结合,给定一张图片,目标检测系统要能够识别出图片的目标并给出其位置,由于图片中目标数是不定的,且要给出目标的精确位置,目标检测相比分类任务更复杂。目标检测的一个实际应用场景就是无人驾驶,如果能够在
机器学习算法工程师
2018/03/06
7.3K0
YOLO算法的原理与实现
基于Yolov8网络进行目标检测(二)-安装和自定义数据集
首先我们要知道YOLOv8这次发行中带的预训练模型,是是基于COCO val2017 数据集训练的结果。
python与大数据分析
2023/09/18
2.4K0
基于Yolov8网络进行目标检测(二)-安装和自定义数据集
相关推荐
faster rcnn demo.py:在一个窗口显示所有类别标注
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档