《表5 误识别率统计结果：基于深度学习的人脸识别算法研究》

  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

《基于深度学习的人脸识别算法研究》

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

官方原始的网络结构训练出的模型虽然在LFW测试集上取得不错的准确率，但是实测中对中国人识别效果较差，不同的人脸特征向量也很相近，不能很好地做到类内距离近、类间距离远，经常出现不同的人判断为同一个。本文改进的网络结构和建立的数据集训练出的特征提取模型可以很好地区分相同的人和不同的人，相同的人计算余弦距离（归一化到0～1，越接近1表示两个人脸越相近）得分很高，不同的人得分很低，通过匹配测试数据集，得出合理的距离阈值。本文中设置余弦距离的阈值为0.8，高于0.8的判断为同一个人，低于0.8的判断为不同的人。图9、10中含有人脸的测试图片是两个不同的人。可以看出，本文的实验结果可以准确地判断出两个人脸是不同的人，官方模型判断两个人脸为同一个人，导致比对错误。实验结果如图9和10所示。同时本文测试350组不同人脸，判断算法把不同的人脸误识别为同一个人的误识别率，实验结果如表5所示。