《表6 不同场景中手写体与印刷体的字符识别率》
提示：宽带有限、当前游客访问压缩模式
%
将各场景分类得到的手写体与印刷体区域分别送入识别器进行识别，其句识别率与字识别率如表6所示。
| 图表编号 | XD0034842700 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.03.25 |
| 作者 | 林琴、夏俊峰、涂铮铮、郭玉堂 |
| 绘制单位 | 合肥师范学院计算机学院、安徽大学计算机学院、安徽大学计算机学院、合肥师范学院计算机学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 字符样本集统计：基于深度学习的印刷体文档字符识别的研究》2020.12.01
- 《表1 不同参数的手写体汉字识别率对比》2020.08.10
- 《表2 实验参数设置：基于Mask-RCNN无分割手写数字字符串的识别》2020.07.25
- 《表3 不同特征提取方案下的字符的识别率》2020.12.05
- 《表2 不同特征提取方案下字符的识别率》2020.12.05
- 《表3 各手写体汉字识别方法的比较》2020.05.10
- 《表2 各分类器数据量：基于多分类器的无分割手写数字字符串识别算法》2020.07.05
- 《表6 测试集类别张数：图像增强方法在深度学习图像识别场景应用中的可行性研究》2020.04.30
- 《表1 字符识别结果：中文字符识别系统的研究与实现》2020.03.01
- 《表6 两种方案不同场景图像下的识别准确率》2020.01.01
- 《表2 实验结果对比：卷积神经网络在手写字符识别中的应用》2020.01.15
- 《表3 数据集中字符数量：智能车道路场景数字字符识别技术》2019.10.10
- 《表1 卷积神经网络配置：Attention机制在脱机中文手写体文本行识别中的应用》2019.09.01
- 《表2 实验结果：Attention机制在脱机中文手写体文本行识别中的应用》2019.09.01
- 《表1 实验环境：基于caffe的手写数字识别研究与实现》2019.03.25
- 《表2 3种样品：基于多对象匹配与融合字符特征的印刷质量检验方法》2019.06.10
- 《表5 经后处理的各场景的手写体与印刷体分类准确率》2019.03.25
- 《表4 不同分类方法下手写体与印刷体的字符识别率》2019.03.25
- 《表1 识别率对比：基于PSO与BP神经网络的脱机手写体汉字识别算法》2018.04.20
- 《表1 手写体字符的匹配结果》2018.04.05