《表1 字符识别结果：中文字符识别系统的研究与实现》
提示：宽带有限、当前游客访问压缩模式
该系统采用60幅图像进行了字符识别，并基于Matlab对模板匹配法、神经网络法和DAG-SVM算法分别进行了仿真实验，结果如表1所示。
| 图表编号 | XD00146072900 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.03.01 |
| 作者 | 王凌燕 |
| 绘制单位 | 山西传媒学院融媒技术学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表4 字符识别结果：BP网络预测阈值的仪表重影字符识别方法研究》2020.07.10
- 《表2 各区域字符识别率：基于会计信息智能化管理的票据图像处理与识别》2020.09.15
- 《表2 二值图实验结果：基于Tesseract-OCR的字符识别技术在特定场合的应用》2020.09.20
- 《表1 灰度图实验结果：基于Tesseract-OCR的字符识别技术在特定场合的应用》2020.09.20
- 《表3 字符识别结果：车牌自动识别系统设计》2020.10.10
- 《表5 车号字符识别结果对比表》2020.11.01
- 《表1：基于MobileNet模型的钢材表面字符检测识别算法》2020.01.25
- 《表2 识别结果：复杂背景下的票据字符类型识别方法》2020.04.15
- 《表2 参数说明：基于卷积神经网络的水表字符识别方法研究》2020.02.01
- 《表1 数据集说明：基于卷积神经网络的水表字符识别方法研究》2020.02.01
- 《表1 两种神经网络字符识别准确率》2020.02.10
- 《表2 实验结果对比：卷积神经网络在手写字符识别中的应用》2020.01.15
- 《表2 机场实况报文字符识别》2019.10.25
- 《表3 数据集中字符数量：智能车道路场景数字字符识别技术》2019.10.10
- 《表5 不同算法字符识别效果对比》2019.10.10
- 《表4 字符识别：手持终端智能电能表一致性检测系统》2019.03.05
- 《表4 不同分类方法下手写体与印刷体的字符识别率》2019.03.25
- 《表6 不同场景中手写体与印刷体的字符识别率》2019.03.25
- 《表1 测试结果：基于BP神经网络的通用机打发票字符的识别》2018.06.01
- 《表1 车牌字符识别结果：基于MATLAB车牌图像识别的设计与实现》2019.11.01