《表4 几种方法在ZJU数据集上的表现结果》

  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

《基于多尺度池化卷积神经网络的疲劳检测方法研究》

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

为了证明MSP-Net网络的普适性，本文在ZJU眼睛状态数据集上与其他两种方法进行了比较实验。实验结果如表4所示。实验内容是判断眼睛的睁闭状态。表中，Acc表示准确率，AUC表示受试者工作特征曲线（receiver operating characteristic curve，ROC）[23]下的面积。Acc及AUC值越大，表明模型性能越优。文献[24]使用了方向梯度直方图（histogram of oriented gradient，HOG）描述子和随机蕨算法（random ferns）提取眼睛特征并检测睁闭；文献[22]则提出了一种新的特征描述子———主向梯度多尺度直方图（MultiHPOG），以提高对图像噪声和尺度变化的鲁棒性。从实验结果中可以看出，本文方法不管在准确度上还是耗时上均优于上述两种方法。