
1.FERET人脸数据库 -
由FERET项目创建,包含1万多张多姿态和光照的人脸图像,是人脸识别领域应用最广泛的人脸数据库之一.其中的多数人是西方人,每个人所包含的人脸图像的变化比较单一
2.CMU-PIE人脸数据库
由美国卡耐基梅隆大学创建,包含68位志愿者的41,368张多姿态,光照和表情的面部图像.其中的姿态和光照变化图像也是在严格控制的条件下采集的,目前已经逐渐成为人脸识别领域的一个重要的测试集合
3.YALE人脸数据库
由耶鲁大学计算视觉与控制中心创建,包含15位志愿者的165张图片,包含光照,表情和姿态
的变化.
4. YALE人脸数据库B
包含了10个人的5,850幅多姿态,多光照的图像.其中的姿态和光照变化的图像都是在严格控制的条件下采集的,主要用于光照和姿态问题的建模与分析.由于采集人数较少,该数据库的进一步应用受到了比较大的限制
5. MIT人脸数据库
由麻省理工大学媒体实验室创建,包含16位志愿者的2,592张不同姿态,光照和大小的面部图像.
6. ORL人脸数据库
由剑桥大学AT&T实验室创建,包含40人共400张面部图像,部分志愿者的图像包括了姿态,
表情和面部饰物的变化.该人脸库在人脸识别研究的早期经常被人们采用,但由于变化模式较少,多数系统的识别率均可以达到90%以上,因此进一步利用的价值已经不大.
7. BioID人脸数据库
包含在各种光照和复杂背景下的1521张灰度面部图像,眼睛位置已经被手工标注。
这个,要根据自己的经验及对相关行业的了解,来判断了。例如:对于零售业,如超市等,由于其收入基本都是现款,所以,商业信用性质的应收账款等金额就很少。而对于重工业企业,其收入金额很大,广泛采用商业信用结算,应收账款金额很大往往也不足为奇。
又如:对于高新技术企业,其研究开发费用必然金额比较高。而对于商业企业,往往技术开发费较少,但广告费支出或营销费用支出较多。
对于工业企业,其固定资产、无形资产占比重较多。而对于普通的商业企业,固定资产、无形资产比重相对较低。
对于商品流通企业,存货比重很高。对于服务业,存货比重很低。
所以,针对不同的行业,可根据行业的生产销售流程特性与该行业的财务数据进行分析,来识别行业特征。
欢迎分享,转载请注明来源:内存溢出
微信扫一扫
支付宝扫一扫
评论列表(0条)