《表3 不同算法的性能对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《融合Haar型局部特征的人耳识别算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

第四组实验验证融合Haar型LBP和Haar型HOG的特征提取改进算法的性能。通过与传统的PCA算法、文献[14]的分层LBP-HOG特征提取算法、文献[15]的多尺度faster-RCNN算法进行性能比较，实验结果如表3所示。从表3可以看出，相比于传统的PCA算法，改进算法具有较高的识别率，但所用时间较长。相比于文献[14]中的LBP-HOG (2，2）算法，改进算法在识别准确率上仍有优势，时间性能也优于前者。对于文献[15]中的多尺度faster-RCNN算法，改进算法性能更好。这是由于卷积神经网络算法需要大量的训练样本才能构建出较好的网络结构，不适用于小样本量的图像识别。