《表4 不同方法的识别率和平均值对比》
单位:%
本文提出的多角度人脸姿态校正网络是目前为止第一个使用多侧脸进行人脸姿态校正的方法,不同于以往基于单幅图像的人脸姿态校正方法有特定姿态的识别率比较。由于本文输入的多幅侧脸图像是从15°~90°的12种姿态中随机不放回抽取直至抽取结束,故包含了所有姿态,而其他方法是针对特定姿态的侧脸图像进行校正,将所有姿态的识别率进行平均值处理之后,平均值也包含了所有姿态,因此本文这部分是与当前人脸姿态校正方法识别率的平均值进行比较。本文方法MFFGAN与当前TP-GAN[10]、LB-GAN(Load Balanced GANs for multi-view face image synthesis)[16]、A3F-CNN[9]三种人脸姿态校正方法相比较,识别率如表4~5所示。
图表编号 | XD00222684700 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) |