《表2 不同算法在FEI数据集测试结果对比》

  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

《轻量化GAN超分辨率图像重构算法在实时人脸识别中的应用》

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

由表2可知，在SSIM的测试中，本文算法在FEI人脸数据集上获得了更高的得分，说明本文算法在图像结构恢复上效果更好；而在PSNR的测试上本文算法并没有显现出优势，说明通过本文算法生成的图像相比其他算法得到的图像，缺少了更多的高频信息，使图像出现了相对平滑的纹理；在测试时间方面，Bicubic算法对低分辨率图像进行图像重构的速度是最快的，因为Bicubic算法只是进行简单的插值操作，并没有额外的计算量，而SRCNN、SRGAN、ESRGAN等算法中包含较多的卷积层，使得模型在处理过程中需要进行大量的运算，本文算法虽然没有Bicubic算法快，但相比其他算法的测试时间减少了许多，基本不影响实时人脸识别算法的运行速度；在模型体积方面，本算法形成的模型体积较SRCNN、SRGAN和ESR-GAN都有不同程度的减小，同时本文算法的参数数量较上述几种先进算法减少了1到2个数量级，从而真正达到了轻量化．由于使用了分步式的计算方法，深度可分离卷积可以在保持原有效果的基础上大大减少模型参数数量和计算量．