《表1 四种算法结果：基于学生人体检测的无感知课堂考勤方法》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于学生人体检测的无感知课堂考勤方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

实验对比了本文采用的Mask R-CNN算法和课堂考勤系统中常用的三种人脸检测算（Voila-Jones[9]、MTCNN[10]、Tinyface[12]）在平均精度和检测速度上的差异。数据采集了同一间教室12个课堂的200张全景图片。采集方式为在学生正常上课的情况下，每2 min保存一张全景图片，并对每一张全景图内的学生人脸和人体分别进行人工标注作为验证集。实验结果如图4和表1所示。