《表1 在ORL数据集上图像的出错率》
在图像中获取低的出错率。在表3中协同表示分类方法用CRC表示。从表3中可知,提出方法在AR数据集上有低的出错率。如:当分类器为CRC时,本文方法在AR数据集上每类训练样本的个数从10到14时,本文方法的出错率为25.84%、17.05%、18.68%、19.97%和6.41%。而原始图像在用2DPCA+FISTA分类时,它在每类训练个数为10到14时,它的出错率为51.92%、51.92%、40.93%、39.79%和35.74%。本文提出方法明显优于其他经典算法。但是从表3中可知有时用CRC分类不如FISTA和LISTA效果好,故在实验中要根据不同应用情景灵活运用CRC、FISTA以及LISTA。但从表1、表2和表3可以看出提出的方法在遮挡、不同光照以及面部表情变化上表现出好的性能,因此本文方法具有较好的稳定性和鲁棒性。
图表编号 | XD00120609200 严禁用于非法目的 |
---|---|
绘制时间 | 2019.12.01 |
作者 | 陈德运、付立军、张学松、于梁、陈海龙、李骜 |
绘制单位 | 哈尔滨理工大学计算机科学与技术学院、哈尔滨理工大学计算机科学与技术学院、北京兆芯集成电路有限公司、酒泉卫星发射中心、哈尔滨理工大学计算机科学与技术学院、哈尔滨理工大学计算机科学与技术学院 |
更多格式 | 高清、无水印(增值服务) |