《表2 不同融合方式的识别率单位:%》
结合表4~5可知:TP-GAN与LB-GAN没有很好地解决大姿态侧脸的问题,而A3F-GAN没有做人脸姿态大于60°的实验,这是因为该方法是基于“搬运像素”而非“合成像素”的思想来进行姿态校正,但大姿态侧脸图像由于遮挡造成信息丢失,不利于“搬运”,说明大姿态角度侧脸仍然是人脸识别的一个重要挑战;而相比以上方法,本文研究方案不再将大姿态侧脸看作独立的问题,而是仿照人类视觉机制来充分利用多幅侧脸之间的相关信息来进行人脸姿态校正。实验结果显示:在输入2幅不同姿态侧脸图像时的识别率比当前基于深度学习的单幅图像方法的识别率有了较大提升;当输入侧脸图像幅数为3或者更多时,本文的人脸识别准确率相比其他方法的优势更加明显;尤其是输入图像幅数为6的情况下,识别率已接近于100%,这是因为6幅侧脸图像本身几乎已经包含了恢复正脸视图所需要的全部信息,所以当输入不同侧脸图像张数越来越多时,输入中所包含的人脸身份特征信息就越丰富全面,姿态校正效果就会越好,人脸识别率也就越高。
图表编号 | XD00222684600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.10.10 |
作者 | 林乐平、李三凤、欧阳宁 |
绘制单位 | 认知无线电与信息处理省部共建教育部重点实验室(桂林电子科技大学)、桂林电子科技大学信息与通信学院、桂林电子科技大学信息与通信学院、认知无线电与信息处理省部共建教育部重点实验室(桂林电子科技大学)、桂林电子科技大学信息与通信学院 |
更多格式 | 高清、无水印(增值服务) |