《表2 在LFW、CFP-FP、AgeDB-30数据集上的性能比较》

  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

《高效防伪人脸识别系统》

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2展示了VIPLiteNet模型在LFW、CFP、AgeDB三个数据集上的性能指标。其中VIPLFaceNet作者未在CFP和AgeDB上评测，这两格的数据使用复现的VIPLFaceNet测试。通过对别实验数据可以看出，尽管VIPLiteNet网络输入的有效像素数量只有VIPLFaceNet的四分之一，并且为了提升运行效率将参数量较大的全连接层缩减到了一层，去除9x9卷积和所有的池化操作，总体的运算参数量从201.52M，降低到了12.06M，参数量减少比例为94.02%，但是利用网络结构设计方面的改进，损失函数的完善以及训练时的数据增强策略，在如此少的参数量的情况下，实现了超过了基线方法的性能。在三个数据集上，我们的模型分别比原始方法提高了0.43%、2.59%、2.66%的性能。在保证性能的同时，提升了系统的效率。图4展示了VIPLiteNet在LFW、CFP、AgeDB上的ROC曲线，从图中可以看出在FPR=0.1的时候在TPR分别可以达到99.9%、84.2%、93.6%。