《表1 LFPW和300W数据集上平均误差的比较》
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。
图表编号 | XD00134737800 严禁用于非法目的 |
---|---|
绘制时间 | 2020.04.01 |
作者 | 赵慧、景丽萍、于剑 |
绘制单位 | 北京交通大学计算机与信息技术学院、北京交通大学计算机与信息技术学院、交通数据分析与挖掘重点实验室(北京交通大学)、北京交通大学计算机与信息技术学院、交通数据分析与挖掘重点实验室(北京交通大学) |
更多格式 | 高清、无水印(增值服务) |