《表3 不同方法识别率对比》
%
将本文所用的方法与近年来学者们所提出的方法的识别结果进行了对比,对比结果如表3所示。表3中:AAM为主动外观模型(Active Appearance M odel);DBN为深度信念网络(Deep Belief Net);VAR为方差(Variance);HOG为方向梯度直方图(Histogram of Oriented Gradient);SAE为堆叠自动编码器(Stacked Autoencoder);CPL为公共补丁学习(Common Patches Learing);ITBN为区间时间贝叶斯网络(Interval Temporal Bayesian Netw ork)。
图表编号 | XD0057245800 严禁用于非法目的 |
---|---|
绘制时间 | 2019.06.01 |
作者 | 钱勇生、邵洁、季欣欣 |
绘制单位 | 上海电力学院电子与信息工程学院、上海电力学院电子与信息工程学院、上海电力学院电子与信息工程学院 |
更多格式 | 高清、无水印(增值服务) |