《表4 犯规动作识别参数对比》
提示：宽带有限、当前游客访问压缩模式
犯规动作识别参数间接影响犯规动作特征提取准确率，犯规动作识别参数越大，表明特征提取准确率越高.通过测试得到犯规动作识别参数，实验结果如表4所示.
| 图表编号 | XD00146227300 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.06.25 |
| 作者 | 黄歆龙、杨蓓蓓 |
| 绘制单位 | 安徽铜陵学院、安徽信息工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 犯规动作特征提取技术与现有技术的效果对比》2020.09.28
- 《表1 本文动作识别算法和其他算法m AP(%)对比》2020.06.01
- 《表1 本文动作识别算法和其他算法准确率对比%》2020.10.20
- 《表5 不同模型的人体动作识别准确率和参数量对比》2020.08.05
- 《表5 康复动作数据集上人体康复动作识别算法的识别准确率对比》2021.01.15
- 《表4 KTH数据集上人体康复动作识别算法的识别准确率对比》2021.01.15
- 《表1 脑内敛值对比：基于卷积神经网络的动作识别骨架特征研究》2020.10.25
- 《表1 车辆参数：基于OpenPose的人体动作识别对比研究》2021.01.20
- 《表2 犯规动作定势时空兴趣点划分表》2020.06.25
- 《表1 识别率对比结果：基于Kinect采集的武术动作识别匹配研究》2020.03.25
- 《表3 各动作识别率对比：基于深度学习的人体动作识别方法》2020.04.16
- 《表4 识别率对比/%：基于深度学习的人体动作识别方法》2020.04.16
- 《表1 实验参数：基于深度学习的人体动作识别方法》2020.04.16
- 《表4 FIBA第36条技术犯规罚则的新旧规则对比分析表》2019.12.01
- 《表4 4类手势动作识别结果》2019.09.08
- 《表3 4类手势动作识别结果》2019.09.08
- 《表3 动作识别效果对比：基于动作模板匹配的弱监督动作定位》2019.08.10
- 《表4 10类动作识别率：基于DBN-HMM的人体动作识别》2019.08.01
- 《表1 运动员动作识别赛事参数》2018.08.25
- 《表6 2017—2018赛季CBA外援和国内球员犯规对象动作特征统计Table 6 Behavioral Characteristics of Foul Objects of CBA Foreign and Domestic Players》2018.08.15