《表3 各项综合经济指标：基于深度图像的实时手势识别方法》
提示：宽带有限、当前游客访问压缩模式
实时性方面，将本文所用方法与文献[6]所用方法各步骤处理时间做了简单对比。从表3中可以看出，本文所用方法各步骤耗时较少，识别速度快，实时性较高。
| 图表编号 | XD00206667700 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.07.16 |
| 作者 | 时梦丽、张备伟、刘光徽 |
| 绘制单位 | 南京财经大学信息工程学院、南京财经大学信息工程学院、南京财经大学信息工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 模型训练正确率：基于深度学习的ELM实时识别研究》2020.12.15
- 《表1 迁移网络结构信息：基于深度学习的黑钨矿图像识别选矿方法》2020.05.01
- 《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4 两类图像特征：基于HOG特征与手部多特征信息融合的静态手势识别》2020.08.25
- 《表1 手势状态数表：基于红外结构光的交互手势变形跟踪识别方法》2020.08.25
- 《表2 数据统计表：基于红外结构光的交互手势变形跟踪识别方法》2020.08.25
- 《表3 卷积层3：基于深度卷积生成对抗网络的图像识别算法》2020.04.01
- 《表1 动态手势识别率：基于傅里叶描述子的手势轨迹模板匹配方法》2020.02.01
- 《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1 数据集：基于深度学习的柑橘实时识别方法》2020.01.15
- 《表1 手势识别方法对比：基于深度学习的手势识别研究》2019.11.15
- 《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1 FNet结构：基于深度学习的ARM平台实时人脸识别》2019.08.10
- 《表3 开发板配置：基于深度学习的ARM平台实时人脸识别》2019.08.10
- 《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
- 《表3罐车装载不良分类：基于深度学习技术的货检图像智能识别与测试研究》2019.06.25
- 《表1 硬件资源配置：基于深度学习的手势识别算法设计》2019.02.20
- 《表1 各种算法用时对比：基于椭圆皮肤模型和深度学习的静态手势识别》2019.02.20
- 《表4 综合对比：一种基于深度学习的禁飞区无人机目标识别方法》2018.06.01