《表2 模型训练结果：基于HMM的虚拟场景控制手势识别研究》
提示：宽带有限、当前游客访问压缩模式
由图5可知各HMM模型应该设定的隐状态数量，将表中确定的隐状态数量代入模型中，对手势识别模型进行训练与测试，其结果如表2所示。
| 图表编号 | XD0021929400 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2018.12.20 |
| 作者 | 张玉军、孟晓军、白漫涛 |
| 绘制单位 | 解放军69079部队、解放军69240部队、解放军69079部队、解放军69240部队 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 PRHD数据集上训练样本数为75%时HMM算法手势识别混淆矩阵》2020.09.25
- 《表2 室外光照识别结果：基于Kinect的动态手势识别研究》2021.02.25
- 《表1 模型性能对比：基于卷积神经网络的手势识别算法研究》2021.01.20
- 《表1 参训学员训练考评：虚拟警务战术临战训练场景模型构建研究》2021.02.01
- 《表1 两种不同梯度优化策略训练出模型的手势识别率》2018.02.01
- 《表3 5手势分类准确率：基于CNN和sEMG的手势识别及康复手套控制》2020.07.01
- 《表2 手势识别准确率：基于Arduino手势控制器的设计与实现》2020.01.25
- 《表2 50%数据作训练时手势识别结果》2020.04.06
- 《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 基于HMM、BP、HMM和BP组合模型的识别率结果对比》2019.08.01
- 《表1 HMM手势识别系统的识别效果》2019.05.10
- 《表1 虚拟现实手势识别测试结果》2019.02.10
- 《表3 HMM-NBC模型手势识别结果Tab.3 Hand Gesture Recognition Results of HMM-NBC Model》2019.01.08
- 《表1 控制手势：基于HMM的虚拟场景控制手势识别研究》2018.12.20
- 《表1 相机模型参数：基于双目视觉的手势识别研究》2018.05.10
- 《表1 控制方式对比：虚拟场景中密集高精度模型优化方法研究》2018.10.20
- 《表1 系统配置：基于神经网络及虚拟现实技术的智能手势识别研究》2018.06.20
- 《表2 模型训练结果对比：基于DSSD的接触网鸟窝识别检测研究》2019.12.01