《表2 不同CNN网络的人脸识别率(%)》
提示：宽带有限、当前游客访问压缩模式
为了比较本文提取出的ACNN网络的性能，我们选取了最近几年影响较大的三种典型深度网络VGGNet、Res Net和DeepID作比较，结果如表2所示．
| 图表编号 | XD00157806700 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.08.01 |
| 作者 | 朱娅妮、倪煊、姚晔 |
| 绘制单位 | 浙江工业大学计算机科学与技术学院、杭州电子科技大学网络空间安全学院、杭州电子科技大学网络空间安全学院、杭州电子科技大学网络空间安全学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 人脸识别网络预处理时间对比》2020.12.05
- 《表1 MAP对比结果：基于汇聚CNN和注意力增强网络的遮挡人脸检测方法》2021.01.01
- 《表2 不同品种产量比较：融合CNN与BLSTM神经网络的面部表情识别》2020.12.20
- 《表2 识别精度：基于卷积神经网络模型Faster R-CNN的遥感影像目标识别研究》2021.01.25
- 《表2 与其他方法比较：基于局部二值模式与深度置信网络的人脸识别》2020.05.05
- 《表2 网络精度比对：基于深度学习的人脸识别智能引导系统》2020.04.28
- 《表2 网络结构：基于MobieNetV2轻量级人脸识别算法》2020.07.10
- 《表1 不同S的识别精度：基于Markov网络和多信息融合的民航人脸识别》2020.06.28
- 《表2 训练参数设置：基于卷积神经网络的人脸表情识别》2020.06.01
- 《表1 不同网络模型在各数据集上人脸识别准确率》2020.09.20
- 《表3 人脸数据集表：基于轻量级网络的实时人脸识别算法研究》2020.02.01
- 《表2 瓶颈结构：基于轻量级网络的实时人脸识别算法研究》2020.02.01
- 《表1 Faster R-CNN在不同网络模型和不同样本下的识别准确率》2020.03.08
- 《表1 网络结构示意表：基于卷积神经网络的人脸表情识别研究》2019.07.25
- 《表3 AlexNet网络ORL人脸数据库的正确识别率》2019.03.10
- 《表4 本文网络ORL人脸数据库的正确识别率》2019.03.10
- 《表1 归一化算法：C2D-CNN模型下的人脸识别方法研究》2019.08.31
- 《表2 不同模型性能对比：基于轻量级卷积神经网络的人脸识别方法》2019.03.01
- 《表6 人脸识别结果：基于编解码网络的多姿态人脸图像正面化方法》2019.04.20
- 《表1 分类结果：基于卷积神经网络的人脸表情识别》2018.01.01