《表2 识别结果对比：基于深度图像的手势识别研究》
提示：宽带有限、当前游客访问压缩模式
结合上面混淆矩阵的结果和识别时间绘制原始图像和处理后图像识准确率和识别时间对比，如表2所示。
| 图表编号 | XD00104376100 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.10.01 |
| 作者 | 郭鹏、肖秦琨、赵一丹 |
| 绘制单位 | 西安工业大学电子信息工程学院、西安工业大学电子信息工程学院、西安工业大学电子信息工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 模型识别精度对比：基于深度学习的无人机拍摄图像绝缘子目标检测》2020.10.25
- 《表3 各项综合经济指标：基于深度图像的实时手势识别方法》2020.07.16
- 《表2 室外光照识别结果：基于Kinect的动态手势识别研究》2021.02.25
- 《表1 模型性能对比：基于卷积神经网络的手势识别算法研究》2021.01.20
- 《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 识别结果对比：基于深度迁移学习的家用电器识别研究》2020.06.20
- 《表4 手势识别结果：基于肌电信号稀疏特征的手势识别方法研究》2020.04.06
- 《表1 手势识别方法对比：基于深度学习的手势识别研究》2019.11.15
- 《表1 网络训练结果：基于深度图像的手势识别研究》2019.10.01
- 《表1 图片分类结果对比：基于深度学习的图像识别问题中对抗样本的研究》2019.10.01
- 《表2 平均识别率对比：基于深度学习的SAR图像目标识别算法》2019.08.01
- 《表3罐车装载不良分类：基于深度学习技术的货检图像智能识别与测试研究》2019.06.25
- 《表6装载不良分类：基于深度学习技术的货检图像智能识别与测试研究》2019.06.25
- 《表7测试结果：基于深度学习技术的货检图像智能识别与测试研究》2019.06.25
- 《表4 网络模型比较：基于SqueezeNet深度网络的中药材粉末显微特征图像识别研究》2019.04.01
- 《表1 硬件资源配置：基于深度学习的手势识别算法设计》2019.02.20
- 《表1 水稻病害特征描述：基于深度卷积神经网络的水稻病害图像识别研究》2019.03.01
- 《表1 各种算法用时对比：基于椭圆皮肤模型和深度学习的静态手势识别》2019.02.20
- 《表2 模型训练结果：基于HMM的虚拟场景控制手势识别研究》2018.12.20
- 《表5-1识别结果表：深度学习在图像识别中的应用研究》2019.10.05