《表2 在单个数据集内进行训练和测试的消融实验结果》
由于所提出的架构是建立在对抗训练框架之上的,在本小节之前已经介绍了各个损失函数.为了验证各个组件的有效性,有必要进行消融研究.将生成器、鉴别器和辅助编码器的损失函数进行不同组合在单个数据集和跨数据集之间进行实验.如表2所示,对于单个数据集内部实验,它表明将离群损失Lou和隐空间特征重建损失Lzrec组合在一起比单独使用Lou或Lzrec能更好地提升效果.在表3中,即数据集间实验中,可以看到更显著的提升.特别地,与Lzrec相比,离群损失会进一步约束隐空间的表示,从而获得更精准和鲁棒的活体检测器.总的来说,本文提出的方法设计的任何损失都可以提高检测的准确性.
图表编号 | XD00206620500 严禁用于非法目的 |
---|---|
绘制时间 | 2021.03.20 |
作者 | 陈成伟、院旺、陈攀、丁守鸿、谢源、宋海川、马利庄 |
绘制单位 | 华东师范大学计算机科学与技术学院、华东师范大学计算机科学与技术学院、上海交通大学电子信息与电气工程学院、腾讯优图、华东师范大学计算机科学与技术学院、华东师范大学计算机科学与技术学院、华东师范大学计算机科学与技术学院 |
更多格式 | 高清、无水印(增值服务) |