《表2 各种方法在测试集上表现结果》

  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

《使用高分辨率网络在热红外图像上提取人脸关键区域温度》

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

我们分别使用AAM，U-net，HRNet和含有人脸属性权重的损失函数训练的HRNet（以下简称HRNet＿attri）在posed database上进行了训练和测试，各种方法在测试集上表现结果如表2所示，其中HRNet要明显优于其他方法。NME表征了总体的关键点的误差，FR表征失败率，FR(0.08）代表测试集中NME>0.08的比率，FR(0.1）代表测试集中NME>0.1的比率，两者越小代表着模型对关键点识别的稳定性更好。从表2中可以看出，HRNET相比其他模型取得了较大的准确率（nme）的提升。而HRNet＿attri则进一步提升了准确率，降低了偏差较大的比率。图10展现了使用HRNet＿attri模型在热红外图像上的识别效果图和其相对应的可见光图像。