《表1 识别误差对比：基于高光谱成像技术的运动人脸姿态识别方法》
提示：宽带有限、当前游客访问压缩模式
分析上述结果得知，采用方法能有效实现对运动人脸姿态识别，测试识别误差，得到对比结果见表1，分析表1得知，方法进行运动人脸姿态识别的误差较低。
| 图表编号 | XD00188436600 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.11.25 |
| 作者 | 芦鹏 |
| 绘制单位 | 中国刑事警察学院公安信息技术与情报学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 高粱纹理特征参数：基于高光谱成像技术的酿酒高粱品种分类》2021.03.15
- 《表1 高粱品种参数：基于高光谱成像技术的酿酒高粱品种分类》2021.03.15
- 《表2 回归系数表：基于高光谱遥感的露天矿分层识别》2020.12.25
- 《表1 牡蛎干的水分含量：基于高光谱成像技术预测牡蛎干制加工过程中的水分含量》2020.07.31
- 《表4 激活函数对比试验：基于深度学习的人脸识别方法》2020.02.20
- 《表1 池化方式对比表：基于深度学习的人脸识别方法》2020.02.20
- 《表1 各成分的累积贡献：基于高光谱成像技术的水果损伤检测》2020.02.10
- 《表2 损伤检测结果：基于高光谱成像技术的水果损伤检测》2020.02.10
- 《表1 子波段情况：基于SVC的苎麻褐斑病叶片高光谱识别》2020.02.01
- 《表2 主成分分析结果：基于SVC的苎麻褐斑病叶片高光谱识别》2020.02.01
- 《表2 图像相似度对比：对光照变化不敏感的微观高光谱图像木材树种识别算法研究》2020.02.01
- 《表1 识别结果统计：基于BP神经网络的人体运动姿态识别》2019.12.01
- 《表3 样本的特征集合：基于高光谱和频谱特征的注水肉识别方法》2019.11.25
- 《表2 混淆矩阵：基于高光谱和频谱特征的注水肉识别方法》2019.11.25
- 《表2 性能评价参数：基于高光谱图像分割的固态发酵中不同杆菌的识别方法》2019.09.20
- 《表2 不同模型性能对比：基于轻量级卷积神经网络的人脸识别方法》2019.03.01
- 《表6 人脸识别结果：基于编解码网络的多姿态人脸图像正面化方法》2019.04.20
- 《表5 表情识别结果：基于编解码网络的多姿态人脸图像正面化方法》2019.04.20
- 《表2 高阶谱方法识别率：基于卷积神经网络的水声目标分类技术》2019.02.20
- 《表1 人脸检测算法对比：基于人脸识别技术的智能推荐系统设计》2019.11.20