《表4 各算法在AFW数据集上的平均误差》
提示：宽带有限、当前游客访问压缩模式
从实例图片中不难看出，在面对抬头、低头、侧脸等姿势变化，极度光照导致的人脸背光，以及戴墨镜或者被衣物遮挡等情况下，DCNNSF模型依然是有效和鲁棒的。
| 图表编号 | XD0035445200 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.02.15 |
| 作者 | 郑银环、王备战、王嘉珺、陈凌宇、洪清启 |
| 绘制单位 | 厦门工学院计算机科学与工程系、厦门大学软件学院、厦门大学软件学院、厦门大学软件学院、厦门大学软件学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表4 DTW算法和HMM算法在两种数据集上的平均识别率》2020.09.25
- 《表4 各算法在不同维度DTLZ测试集上的平均运行时间对比》2020.11.01
- 《表3 不同算法在OTB数据集上的平均中心误差对比》2021.02.16
- 《表1 算法在各数据集上的平均准确率》2021.02.01
- 《表4 各算法在不同数据集上的Micro-F1》2020.12.16
- 《表2 平均像素误差和平均特征年龄在不同数据集上的比较》2020.11.01
- 《表4 各算法在不同数据集上的AUC值对比》2020.05.01
- 《表4 各SISR算法的×4模型在不同数据集上的性能》2020.07.10
- 《表2 不同方法在各数据集上的平均位移误差》2020.02.20
- 《表4 各算法在7个数据集上的排序损失测试结果》2020.02.10
- 《表2 各算法在7个数据集上的平均精度测试结果》2020.02.10
- 《表4 各算法在Image Segmentation数据集上的性能》2019.12.01
- 《表4 不同算法在不同数据集上的平均CLL的值》2020.01.01
- 《表4 各算法在VOC2007+2012数据集上的mAP》2019.09.25
- 《表4 各算法在数据集上的训练时间/min》2019.06.16
- 《表4 不同的算法在不同数据集上的平均性能 (ARI, CA)》2019.07.30
- 《表1 不同算法在Yale、ORL、YaleB数据集上的识别率 (平均值±相对误差)》2019.06.01
- 《表2 R-C-APSO与对比算法在各数据集上的平均分类精度》2019.02.01
- 《表1 各算法在35个数据集上的分类误差 (均值±标准差) 汇总表》2019.01.01
- 《表3 各算法在ALFW数据集上的平均误差》2019.02.15