《表3 采用额外训练数据时在300-W测试集上的NME》
表2展示了本文算法与多种其他算法在300-W测试集上的平均归一化误差.本文算法RF-CHN在常规子集上排名第三,其中平均归一化测试误差为4.18%;在困难子集以及完全集上排名第一.表3展示了使用300-W和Menpo这2个数据集的训练集合并训练时本文算法的量化结果.本文只跟Dan-Menpo[21]比较,这是因为该方法公布了源码.可以看到,在完全集上本文算法的平均归一化误差比Dan-Menpo降低了0.25%.
图表编号 | XD0010772100 严禁用于非法目的 |
---|---|
绘制时间 | 2019.12.01 |
作者 | 许爱东、黄文琦、明哲、陈伟亮、胡浩基、杨航 |
绘制单位 | 南方电网科学研究院、南方电网数字电网研究院、南方电网数字电网研究院、浙江大学信息与电子工程学院、浙江大学信息与电子工程学院、南方电网数字电网研究院 |
更多格式 | 高清、无水印(增值服务) |