《表2 三种特征提取方案在不同光照条件下的识别率》
提示：宽带有限、当前游客访问压缩模式
实验方案为:用CK+数据库的表情训练，在CMU-PIE数据库上选取部分样本作为测试集，实验得到平均识别率作为结果。3种特征提取方案在不同光照条件下的识别率如表2所示。
| 图表编号 | XD0016934700 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2018.06.20 |
| 作者 | 赵雪雅、戴惟嘉、崔建中、梁华 |
| 绘制单位 | 盐城工学院、泰州市人民医院、盐城工学院、盐城工学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 先验模型加权肤色特征提取方法在KNN分类器下的5种姿态识别准确率》2020.09.20
- 《表1 肤色特征提取方法在KNN分类器下的5种姿态识别准确率》2020.09.20
- 《表2 不同算法在extended Yale B数据库极度光照下的识别率》2020.09.05
- 《表2 识别率与用时对比：复杂光照条件下的多姿状鲁棒性人脸识别方法》2021.02.25
- 《表1 识别率对比：复杂光照条件下的多姿状鲁棒性人脸识别方法》2021.02.25
- 《表4 三类多特征和三种单特征方法在俯仰角差异下的平均识别率》2020.12.20
- 《表5 三类多特征和三种单特征方法在噪声干扰下的平均识别率》2020.12.20
- 《表3 不同特征提取方案下的字符的识别率》2020.12.05
- 《表2 不同特征提取方案下字符的识别率》2020.12.05
- 《表5 不同光照条件下的识别效果对比》2020.10.01
- 《表3 洋金凤色素在不同光照条件下的OD值及颜色变化情况》2020.06.30
- 《表2 CNN在不同条件下的识别结果》2020.02.01
- 《表2 各算法识别准确率：复杂光照条件下的交通标志检测与识别》2019.12.10
- 《表1 各算法检测性能：复杂光照条件下的交通标志检测与识别》2019.12.10
- 《表2 各特征提取方法在不同高度的识别率》2019.11.15
- 《表1 0 3种光照条件下的颜色识别测试结果》2019.06.25
- 《表1 实验参数设置：一种煤矿井下复杂光照条件下的人脸识别方法》2019.01.10
- 《表2 不同特征提取方法下的识别率》2018.01.01
- 《表1 三种特征提取方案中每个表情的识别率》2018.06.20
- 《表1 在不同特征提取条件下的特征维度D和分类器数目C》2019.11.01