《表1 测试结果：基于多特征融合的高鲁棒性视觉SLAM改进算法》
提示：宽带有限、当前游客访问压缩模式
使用余弦相似度对产生缩放和旋转、亮度对比度改变、模糊、视角变化的4类图像进行测试，选择平均阈值K=0.977，测试结果见表1。
| 图表编号 | XD00130373000 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.02.01 |
| 作者 | 朱鸣镝、陈婵 |
| 绘制单位 | 上海理工大学光电信息与计算机工程学院、上海理工大学光电信息与计算机工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 正交实验结果：多特征融合和尺度适应的相关滤波跟踪算法》2020.12.16
- 《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1 鲁棒性测试：基于深度残差网络的医学图像鲁棒可逆水印算法》2020.05.01
- 《表1 参数说明：基于改进随机抽样一致算法的视觉SLAM》2020.10.15
- 《表4 故障诊断算法对比：基于多特征融合与XGBoost的风机轴承故障诊断》2020.07.20
- 《表1 车辆检测总体结果：基于多特征融合的车辆检测算法》2020.06.20
- 《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1 分类结果准确率：基于深度置信网络的多特征融合音乐分类算法》2020.02.20
- 《表2 算法的定位精度：基于全局局部一致性的多特征融合目标跟踪》2020.03.25
- 《表4 算法对比结果：基于改进ASM的多特征融合疲劳检测方法》2019.11.16
- 《表3 验证结果：基于改进ASM的多特征融合疲劳检测方法》2019.11.16
- 《表2 不同算法实验结果：基于多特征自适应融合的目标跟踪算法》2019.10.28
- 《表1 实验视频参数：基于多特征自适应融合的目标跟踪算法》2019.10.28
- 《表1 恶意样本集：基于多特征融合的恶意代码分类算法》2019.08.10
- 《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 误匹配率对比：基于多特征融合与树形结构代价聚合的立体匹配算法》2019.02.28
- 《表2 三种算法的鲁棒性测试结果》2019.01.01
- 《表2 3种算法的性能：基于多特征融合与机器学习的鱼类摄食行为的检测》2019.02.25
- 《表4 鲁棒性测试：一种基于LWT和混沌加密的音频水印算法》2018.03.20