《表2 训练集统计情况：基于卷积神经网络的面部图像修饰检测》

  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

《基于卷积神经网络的面部图像修饰检测》

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

为了评估提出的Wang-Net1和Wang-Net2两个模型对人脸图像润饰检测的性能，首先分别建立一个未经修饰的图像库和经过人为润饰的图像库.实验采用ND-IIITD修饰面部数据库[13]并自行采集人脸图像集Myimage1和Myimage2.ND-IIITD数据库是由一些欧洲人脸图像组成的，Myimage1和Myimage2主要由中国人的面部图像组成，其中Myimage1数据库中的图像是背景相同的证件照，是由光源相同且用同一相机拍摄而成，Myimage2数据库中的图像是由不同光源且用不同相机拍摄而成.由于欧洲人的面部皮肤状态和中国人的面部皮肤状态有差异，训练集采用ND-IIITD库和Myimage1库进行混合训练.用Matlab工具以64×64像素为单位，通过从左至右和从上到下的方式依次裁剪原始图像，直接剔除小于64×64大小的图像块，然后从裁剪后的图像块中挑选人脸皮肤部分的图像块.训练集图像库统计如表2所示，验证集图像库统计表如3所示，测试集图像库统计表如4所示.用专业软件Photoshop插件Portraiture应用各种预设操作对原始图像进行篡改，这些篡改操作可以改变皮肤纹理、图像的对比度和亮度等.