《表2 CASIA-SURF数据集验证结果对比》
实验中共有48 498张RGB与Depth人脸图像,采用与2.1节相同的方式对数据集进行划分,其中10%作为验证集,15%作为测试集。在对比实验中,本文采用多模态Res Net18[15]、VGG-6(轻量级)、Feather Net A[10]、Feather Net B[10]、Shuffle Net V1[18]、Shuffle Net V2[17]以及Mobile Net V3这7个不同的卷积神经网络与本文方法进行对比,其中Res Net18采用文献[20]所提的人脸活体检测方式,将文中所提的Res Net18在Keras框架中复现。本文将轻量级人脸活体检测网络Feather Net A[10]和Feather Net B[10]改为多模态特征融合的形式进行对比实验。各模型在CASIA-SURF以及CQNU-LN数据集上交叉验证中以验证集在每轮训练中的准确率作为指标进行采集,如图4所示。本文方法在模型训练过程中相较其他方法,虽然准确率相差不大但是在训练中呈现的趋势更加稳定。实验结果如表2~3所示,本文方法在CQNU-LN以及CASIA-SURF数据集上有着更高的准确率。
图表编号 | XD00197781400 严禁用于非法目的 |
---|---|
绘制时间 | 2020.12.10 |
作者 | 皮家甜、杨杰之、杨琳希、彭明杰、邓雄、赵立军、唐万梅、吴至友 |
绘制单位 | 重庆师范大学计算机与信息科学学院、重庆市数字农业服务工程技术研究中心(重庆师范大学)、智慧金融与大数据分析重庆市重点实验室(重庆师范大学)、重庆师范大学计算机与信息科学学院、重庆市数字农业服务工程技术研究中心(重庆师范大学)、智慧金融与大数据分析重庆市重点实验室(重庆师范大学)、重庆市数字农业服务工程技术研究中心(重庆师范大学)、智慧金融与大数据分析重庆市重点实验室(重庆师范大学)、重庆师范大学数学科学学院、重庆师范大学计算机与信息科学学院、重庆市数字农业服务工程技术研究中心(重庆师范大学)、智慧金融与大 |
更多格式 | 高清、无水印(增值服务) |