《表1 基于PCA特征的人脸识别率》
提示：宽带有限、当前游客访问压缩模式
为了验证算法的有效性，本文分别采用欧式距离、KNN分类器[5]与SVM分类器[6]，使用十折交叉法对人脸识别率进行验证，测试实验结果如表1所示.
| 图表编号 | XD0021246700 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2018.11.10 |
| 作者 | 钟锐、李洁 |
| 绘制单位 | 赣南医学院人文社科学院外语系 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 识别误差对比：基于高光谱成像技术的运动人脸姿态识别方法》2020.11.25
- 《表1 系统识别结果对比：基于ArcFace的自然场景人脸识别系统设计及改进》2020.05.20
- 《表1 特征脸算法识别率：基于人脸特征识别的商品推荐系统的研究与开发》2020.04.25
- 《表1 分组测试识别率表：基于云端人脸识别技术的智慧课堂框架研究》2020.06.20
- 《表1 训练参数：基于深度学习的人脸识别算法研究》2020.05.01
- 《表1 人脸检测对比结果：基于Res-Bi-LSTM的人脸表情识别》2020.07.01
- 《表1 基于ORL人脸库的识别率》2020.05.25
- 《表1 系统功能：基于Android的人脸识别系统开发》2020.06.01
- 《表1 人脸识别测试结果：基于RK3288国产化平台下嵌入式人脸识别系统的开发》2020.03.10
- 《表1 不同特征权重参数下的人脸识别率比较》2020.02.01
- 《表2 状态转移概率：基于隐马尔可夫模型的人脸特征标注和识别》2020.06.01
- 《表1 网络层参数：基于深度学习与二维离散小波分解特征相融合的adaboost人脸识别模型》2020.02.05
- 《表1 特征区块大小：PCANet下的遮挡定位人脸识别算法》2019.12.01
- 《表1 测试结果：基于深度学习的人脸识别算法研究》2019.10.05
- 《表3 几种光照算法处理下的人脸识别率 (结合Gabor+PCA+FLD+SVM)》2019.06.01
- 《表1 数据集描述：基于NPE改进算法的人脸识别》2019.02.15
- 《表1 基于不同算法的人脸识别率》2019.02.20
- 《表1 分类结果：基于卷积神经网络的人脸表情识别》2018.01.01
- 《表1 比例特征分量：基于LBP和几何混合特征的人脸识别》2018.01.01
- 《表1 人脸检测算法对比：基于人脸识别技术的智能推荐系统设计》2019.11.20