《表1 算法在AR库上的实验结果(%)》
提示：宽带有限、当前游客访问压缩模式
实验选取80个人作为训练集和测试集，其余20个人用于训练类内差异字典，每张图片下采样为60×80，并采用PCA[18]将样本数据降为160维．各算法在AR数据库的识别率如表1所示．
| 图表编号 | XD00175960900 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.05.01 |
| 作者 | 矫慧文、狄岚、梁久祯 |
| 绘制单位 | 江南大学人工智能与计算机学院、江南大学人工智能与计算机学院、常州大学信息科学与工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 算法在CMU-PIE库上的实验结果(%)》2020.05.01
- 《表4 算法在LFW库上的实验结果(%)》2020.05.01
- 《表3 算法在LFW库上的实验结果(%)》2020.05.01
- 《表6 加入高斯噪声后，AR光照库上不同算法的实验结果》2020.05.25
- 《表5 AR人脸库上的识别率》2020.05.25
- 《表1 不同算法在AR人脸库上的识别率（%）和识别时间（s）比较》2020.02.01
- 《表2 不同算法在Weizmann人体行为库上的表现》2020.03.01
- 《表2 算法在GT库上的实验结果（错误率/%）》2020.01.16
- 《表3 算法在FERET库上的实验结果（错误率/%）》2020.01.16
- 《表1 算法在ORL库上的实验结果（错误率/%）》2020.01.16
- 《表2 各种算法在FERET库上的分类错误率》2019.12.01
- 《表1 各种算法在ORL库上的分类错误率》2019.12.01
- 《表3 各种算法在AR库上的分类错误率》2019.12.01
- 《表4 几种代表性方法在Multi-PIE人脸库上的实验结果对比》2019.11.15
- 《表3 几种代表性方法在FERET人脸库上的实验结果对比》2019.11.15
- 《表2 不同算法在Yale人脸库上的识别率》2019.06.01
- 《表1 不同算法在ORL人脸库上的识别率》2019.06.01
- 《表4 不同深度学习方法在ORL及AR人脸库上的识别率》2019.08.10
- 《表4 扩展实验在Cars-196测试库上的对比结果》2019.06.20
- 《表2 AR人脸库上的识别结果 (%)》2019.02.01