《表1 本文方法每类表情的识别结果》
提示：宽带有限、当前游客访问压缩模式
将CK+表情数据库中327个表情序列的随机抽取样本90%作为训练集，样本10%作为测试集，每类表情的识别结果如表1所示。
| 图表编号 | XD0057246300 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） |
相关图表
- 《表1 本文方法缺陷识别结果》2021.01.15
- 《表2 辅机共线改造方案：基于多特征组合的人脸表情识别方法研究》2020.12.31
- 《表4 在每类200张的随机采样测试集上的一格读数识别精度结果对比》2020.12.10
- 《表4 本文方法对现场图像的识别结果》2020.06.25
- 《表3 不同表情识别方法性能对比》2020.06.25
- 《表2 不同微表情识别方法的准确率》2019.05.05
- 《表1 基于VGGface的表情识别实验结果》2019.10.01
- 《表3 本文算法的表情识别混淆矩阵》2019.07.16
- 《表2 CK+数据集上不同表情识别方法的准确率》2019.07.25
- 《表2 本文方法与目前方法用于JAFFE表情库的识别率》2019.09.01
- 《表3 本文方法与目前方法用于CK+表情库的识别率》2019.09.01
- 《表3 本文方法的识别结果》2019.08.01
- 《表2 不同程度噪声下本文方法相比传统方法识别正确率提升结果》2019.02.16
- 《表1 本文方法相比传统方法识别正确率提升结果》2019.02.16
- 《表1 本文识别方法对10类目标的识别结果》2019.01.16
- 《表5 表情识别结果：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 基于MLGBP-TOP模式的表情识别方法与其它方法的识别率 (Cohn-Kanade人脸表情数据库)》2018.02.20
- 《表8 本文方法与改进的PageRank算法的意见领袖识别结果对比》2019.11.25
- 《表3 Fine-tuning每类烟草叶片病情害识别结果》2018.10.01
- 《表1 本文方法的手势识别结果Tab.1 Results of gesture recognition in this paper》2018.03.01