《表5 每类召回率及整体召回率》
图9表明:模型具有很好的分类效果,在FNMR为0.20时(图9(a)),去除特别模糊(1blur)不同亮度3类图像可以看出,都有效降低了两个匹配器的FNMR,这3类图像可以作为低质量图像拒绝识别或认证来提高准确率;同样在FNMR为0.50和0.80时,对特别模糊(1blur)的去除更有效降低FNMR,FNMR为0.50时(图9(b))可以清晰看出去除中等模糊(2blur)类图像,降低FNMR的程度;FNMR为0.80时(图9(c)),去除特别清晰(3blur),3blur_1bri和3blur_3bri这两类对降低FNMR是有效的,没有影响的;这也验证了,3blur_2bri这类图片属于相对高质量图像,可以在清晰度和亮度两方面作为人脸标准图像。
图表编号 | XD00206664700 严禁用于非法目的 |
---|---|
绘制时间 | 2020.07.16 |
作者 | 黄法秀、高翔、吴志红、陈虎 |
绘制单位 | 四川大学视觉合成图形图像技术国防重点学科实验室、四川川大智胜软件股份有限公司、四川大学计算机学院、四川川大智胜软件股份有限公司、四川大学视觉合成图形图像技术国防重点学科实验室、四川大学视觉合成图形图像技术国防重点学科实验室、四川川大智胜软件股份有限公司 |
更多格式 | 高清、无水印(增值服务) |