《表4 人脸图像分8×8块时各个数据集下各种算法的匹配时间》

  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

《融合梯度特征的轻量级神经网络的人脸识别》

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

s

表1的实验结果表明：在同样大小、分块方法相同的情况下，融合梯度特征的网络人脸识别算法准确率较高，融合二阶梯度特征的算法识别率高于一阶梯度；图像分块越多，人脸识别率越高，但并非分块越多越好，对于图像大小为128pixel×128pixel大小的人脸图片，分块8×8时效果最佳。表2的实验结果表明：融合梯度特征的匹配时间大于未融合特征的匹配时间，而且随着梯度特征的阶数增加，匹配时间明显变长。在图像不分块的情况下，融合二阶梯度特征的算法的匹配时间是融合一阶梯度特征算法的4倍以上；分块方式为16×16时，前者是后者的50倍左右。因此，在分块相同的情况下，如果优先考虑准确率，图像分块8×8时二阶梯度特征与SqueezeNet网络结构融合的算法最佳；若综合考虑人脸识别率和匹配时间，图像分块8×8时一阶梯度特征与SqueezeNet网络结构融合的算法最佳。表3和表4分别对比了人脸图像分块8×8时不同算法在各个数据集的识别率和匹配时间，以验证该算法的有效性。