《表1 人脸识别方法效果比对》
提示：宽带有限、当前游客访问压缩模式
（4） 本文所用的学习器和其他研究者所用的方法在WILD数据集上准确率和时间成本对比如表1所示。
| 图表编号 | XD0043826300 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.01.18 |
| 作者 | 张持健、刘雪、张贺、张燕习 |
| 绘制单位 | 安徽师范大学物理与电子信息学院、安徽师范大学物理与电子信息学院、安徽师范大学物理与电子信息学院、安徽师范大学物理与电子信息学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 人脸识别技术在沈阳市的应用效果调查》2020.12.15
- 《表1 识别率对比：复杂光照条件下的多姿状鲁棒性人脸识别方法》2021.02.25
- 《表1 不同方法人脸图像识别用时对比(s)》2020.12.25
- 《表1 测试数据：基于模板匹配的人脸识别跟踪方法研究》2021.02.01
- 《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2 人脸原脸Gabor小波变换识别效果》2019.12.01
- 《表1 人脸T型Gabor小波变换识别效果》2019.12.01
- 《表1 网络计算量比对：基于深度学习的人脸识别智能引导系统》2020.04.28
- 《表2 网络精度比对：基于深度学习的人脸识别智能引导系统》2020.04.28
- 《表1 池化方式对比表：基于深度学习的人脸识别方法》2020.02.20
- 《表1 传统人脸识别方法：有遮挡人脸识别方法综述》2020.05.01
- 《表1 模型效果：基于MTCNN和Facenet的人脸识别》2020.02.20
- 《表1 人脸识别比对结果数据》2020.03.01
- 《表1 实验结果比对：计算机视觉在人脸识别领域中的应用研究》2019.10.25
- 《表2 无人巡逻车人脸识别结果比对》2019.09.01
- 《表2 人脸关键点识别方法总结》2019.08.01
- 《表1 数据制作：基于轻量级卷积神经网络的人脸识别方法》2019.03.01
- 《表1 性能分析：一种基于MTCNN的视频人脸检测及识别方法》2019.03.30
- 《表6 人脸识别结果：基于编解码网络的多姿态人脸图像正面化方法》2019.04.20
- 《表1 ORL人脸数据库几种方法识别率比较》2018.07.01