《表2 Facenet模型效果》
提示：宽带有限、当前游客访问压缩模式
综上所述，MTCNN人脸检测模块结合Facenet人脸识别模块可以满足日常生活中关于人脸识别的需求。
| 图表编号 | XD00141514900 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.02.20 |
| 作者 | 刘长伟 |
| 绘制单位 | 中国联通智能城市研究院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 主要模型仿真检测效果》2021.01.31
- 《表4 角度测试：基于FaceNet的无人值守变电站智能监控终端》2020.07.21
- 《表3 人脸验证实验结果：基于YOLO和FaceNet航拍行人目标识别》2020.11.25
- 《表2 目标检测实验结果：基于YOLO和FaceNet航拍行人目标识别》2020.11.25
- 《表1 人脸检测网络结构：基于YOLO和FaceNet航拍行人目标识别》2020.11.25
- 《表1 人脸检测网络结构：基于YOLO和FaceNet航拍行人目标识别》2020.11.25
- 《表2 试验模型效果评估对照》2020.11.20
- 《表2 各模型预测效果对比》2020.05.25
- 《表1 模型效果：基于MTCNN和Facenet的人脸识别》2020.02.20
- 《表2 各模型检测效果对比》2019.11.01
- 《表2 不同模型识别效果比较》2019.10.25
- 《表2 2种模型预测效果对比》2019.08.05
- 《表2 逻辑回归模型预测效果》2019.07.15
- 《表2 模型参数及拟合效果》2019.07.28
- 《表2 模型拟合效果的结果》2019.06.01
- 《表2 模型预测效果对比》2019.05.24
- 《表3 模型1和模型2拟合效果评价》2019.05.20
- 《表2 BDST模型拟合效果》2019.04.25
- 《表2 不同模型预测效果统计》2019.01.01
- 《表2 个体学习者模型与学习效果评估模型映射表》2018.10.01