《表3 不同的人脸属性识别方法在不同数据集上的属性识别精度》

  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:加粗字体为4种方法中的最优值。

为了验证本文提出的小样本人脸属性识别算法的有效性，本文在CelebA、LFWA和UMD-AED上使用1/10的数据作为训练数据进行实验。由于缺乏小样本的人脸属性识别的方法，基于所提方法设置了3个对比实验。在表3中，ATT表示只采用人脸属性识别网络，SA表示在自监督学习的基础上对网络进行训练（即自监督学习网络结合人脸属性识别网络），GANA表示先进行人脸属性合成，然后进行属性识别（即人脸属性合成网络结合人脸属性识别网络），GANSA即本文方法，包含自监督学习网络、属性合成网络和属性识别网络3个模块。实验结果如表3所示，表中给出了部分属性（包含了有魅力、脸红、微笑等一些情感属性）的识别准确度以及40个属性的识别准确度的平均值。