《表2 各算法在Multi-PIE数据集上不同特征维数的识别率》
%
Multi-PIE (Pose illumination and expression)数据集被用来评估面部识别的姿态,它包含了75万张不同视图下的337个人的人脸图片。研究对象在15个视角和19个光照条件下拍摄了一系列面部表情,此外还获得了高分辨率的正面图像。在实验中,选取30个的不同受试者,其中选取每人的10幅不同的图像,共300张灰度图像进行实验,每次随机选取每个个体的5张人脸作为训练集,剩余图像作为测试集,选择的HR图像为32像素×32像素,LR图像为11像素×11像素。表2列出各算法在Multi-PIE人脸数据集对于不同PCA特征维数(30维,40维和50维)下的实验结果。同3.1节的实验结果相似,Method(2)算法在特征维数较低时,有较好的识别结果,当选取的PCA特征维数较高时,Method(1)算法有较好的识别结果。说明当特征维数较低,判别信息和视图一致性的融入,能够显著提高识别结果。尽管当特征维数为50维时,Method(2)的识别率仅有93.67%,但是可以看出Method(2)算法随着特征维数的增加,变化比较稳定,并且在低维情况下相比于其他算法有更好的识别结果,说明在低维情况下,CDCA算法能更充分利用数据本身的特征信息。
图表编号 | XD00194724900 严禁用于非法目的 |
---|---|
绘制时间 | 2020.11.01 |
作者 | 张恩豪、陈晓红 |
绘制单位 | 南京航空航天大学理学院、南京航空航天大学理学院 |
更多格式 | 高清、无水印(增值服务) |