《表5 每类召回率及整体召回率》

  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

《基于CNN的人脸图像亮度和清晰度质量评价》

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

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。