《表4 MegaFace数据集下不同损失函数的准确率》

  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

《基于属性驱动损失函数的人脸识别算法》

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

MegaFace数据集在评估人脸识别表现方面极具挑战。MegaFace有多个测试场景，包括在两个协议（大训练集或小训练集）下的识别、验证和姿态不变性。实验中采用两种场景，人脸鉴别和人脸验证。实验结果如表4所示，两种准确率分别为人脸鉴别任务下的准确率和人脸验证任务下的准确率，从表4中可以看出，与使用相同的CNN架构和数据集训练的损失函数相比，改进损失函数也显示出良好的性能。并且，采用小规模训练集和属性驱动损失函数得到的识别准确率，面对采用大规模训练集的模型仍然具有很大的竞争力。仅人脸鉴别准确率，改进损失函数比Vocord-DeepVo1低0.596个百分点，人脸验证准确率比Vocord-DeepVo1高19.816个百分点，准确率更是高于大规模协议下的Google-FaceNet V8。这些结果证明基于角度距离和属性的损失函数是一个良好的损失函数设计和监督信号，属性驱动的特征提取可以明显地提升人脸识别的性能。