《表1 识别结果：基于数据手套的手势识别系统》
提示：宽带有限、当前游客访问压缩模式
本文分别选取15～30岁、30～35岁和50～65岁三个年龄段的共15组对象进行20种手势进行测试，每种手势测试100次。相关测试结果如表1所列。
| 图表编号 | XD00150213300 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.06.01 |
| 作者 | 刘雪花、洪琴、何玉麟、林嘉兴 |
| 绘制单位 | 广州大学华软软件学院计算机系、广州大学华软软件学院计算机系、广州大学华软软件学院计算机系、广州大学华软软件学院计算机系 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《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2 涂层孔隙率：基于视频数据特性的动态手势识别》2020.10.01
- 《表1 手势识别率结果：基于FDC2214单通道阈值分析的手势识别系统》2020.06.20
- 《表1 试验参数设置：基于嵌入式系统的视觉手势识别方法研究》2020.06.01
- 《表2 手势识别测试结果：面向人机交互的手势识别系统设计》2020.03.25
- 《表1 不同手势测量结果：基于电容感测的新型手势识别装置》2020.08.20
- 《表3 5手势分类准确率：基于CNN和sEMG的手势识别及康复手套控制》2020.07.01
- 《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3 手势识别性能：基于手势与五官状态识别的航空多媒体控制系统》2019.12.05
- 《表2 识别结果对比：基于深度图像的手势识别研究》2019.10.01
- 《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3 手指间的耦合特征：穿戴式钢琴弹奏手套智能感知与手势识别技术》2019.05.01
- 《表1 IsoGD数据集：基于浅三维稠密网的多模态手势识别算法》2019.10.01
- 《表1 手势数据集：基于区域卷积神经网络Faster R-CNN的手势识别方法》2019.08.01
- 《附表电容取最值结果：基于电容传感器的手势识别系统研究》2019.06.01
- 《表1 获取的数据项：基于Leap Motion的动态手势识别》2019.07.01
- 《表1 手势识别数据：基于Leap Motion的飞机大战游戏设计与实现》2018.11.25
- 《表1 手势识别率：基于FDC2214的手势识别系统》2018.12.20
- 《表1 系统配置：基于神经网络及虚拟现实技术的智能手势识别研究》2018.06.20
- 《表1 基于测试数据的手势识别准确率》2018.06.01