《表2 不同训练集比例下不同自监督学习的识别精度比较》

  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

《结合自监督学习和生成对抗网络的小样本人脸属性识别》

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

注:加粗字体表示wo CON与w CON两种方法中的最优值。

为了验证本文提出的将旋转图像与原始图像进行拼接的策略的有效性，在CelebA、LFWA和UMD-AED数据集上使用两种不同的自监督学习技术进行了数据集划分实验。实验中数据集划分方法与表1中的划分方法一致，表2中woCON表示将原始图像旋转之后直接送入网络（即采用Gidaris等人(2018）的输入方式)，wCON表示将旋转之后的图像与原始图像拼接之后再送入网络。具体的实验结果如表2所示。