《表1 LFPW和300W数据集上平均误差的比较》

  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

《自适应监督下降方法的姿态鲁棒人脸对齐算法》

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

表1展示了两种策略在LFPW和300W数据集上的平均误差。自适应特征提取策略在LFPW和300W full数据集上定位准确度分别提升5.4%、3.6%。相比而言，姿态划分策略在LFPW和300W full数据集上准确度分别提升7.1%、4.3%。同时考虑姿态聚类以及判别性特征的提取，本文模型相比SDM模型，在LFPW数据集上准确度提升10.5%，在300W challenge数据集上提升14.1%，common数据集上提升10.0%，full数据集上提升13.2%，说明本文模型对准确度提升有重要作用，特别是在challenge数据集上。同时可以看出，在LFPW数据集上的准确度大于300W数据集，原因是LFPW仅包含49个内部关键点，不包含较难定位的轮廓点。