《表2 基于不同空间欧氏距离的无监督人脸识别性能结果1)》
1)灰底数值为该指标上取得的最优结果
基于已训练的网络,使用人脸验证任务评价学得的身份特征h的性能.随机抽取1 000个正样本对(相同身份但不同表情)和1 000个负样本对(不同身份但相同表情),计算样本对在身份特征空间中的欧氏距离,并选取合适的阈值.若两个人脸的距离大于阈值则判别为不同身份;若小于阈值则判别为相同身份.选取的接收者操作特征曲线上面积(area under the receiver operating characteristic curve,AUC)和等错误率(equal error rate,EER)评价指标与阈值无关,在应用中可选取训练集上距离的中值作为人脸验证的阈值.表2展示了不同数据集在不同空间欧氏距离中采用无监督人脸识别所得AUC和EER值.由表2可见,UOFFL算法在LSFED、RaFD和加噪的数据集上工作良好,在相对干净的LSFED、LSFED-G与RaFD数据集上,取λ1=1,λ2=1时可获得较好的结果,而在有严重噪声的LSFED-GS与LSFED-GSB数据集上,取λ1=1,λ2=10,适当提高相关性最小化损失的作用,提升身份特征与表情特征之间的独立性,可获得较好的身份特征,进而获得更好的人脸验证性能.
图表编号 | XD00155664800 严禁用于非法目的 |
---|---|
绘制时间 | 2020.09.30 |
作者 | 孙文赟、宋昱、陈昌盛 |
绘制单位 | 深圳市媒体信息内容安全重点实验室广东省智能信息处理重点实验室深圳大学电子与信息工程学院、深圳市媒体信息内容安全重点实验室广东省智能信息处理重点实验室深圳大学电子与信息工程学院、深圳市媒体信息内容安全重点实验室广东省智能信息处理重点实验室深圳大学电子与信息工程学院 |
更多格式 | 高清、无水印(增值服务) |