《表4 不同方法的识别率和平均值对比》

  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

《基于多姿态特征融合生成对抗网络的人脸校正方法》

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

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。