《表4 不同方法使用不同训练集在3DProj-Sur数据集上的识别率》

  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

《基于图像风格迁移的人脸识别域适应方法》

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

为进一步验证本文方法的鲁棒性，本文方法在自建数据集3DProj-Sur上进行了识别实验。表4中，未微调的原始VGG-Face的top1、top5识别率分别为34.89%、58.05%，代表了理论上人脸识别算法的正确率下界；train on target使用了目标域的有标签数据进行全监督训练，代表了理论上top1、top5识别率上界分别为46.60%、72.34%。仅使用源域数据进行微调的top1、top5识别率分别为38.82%、63.95%，基于特征的域适应算法SSPP-DAN的top1、top5识别率分别为40.46%、65.11%，Cycle GAN算法的top1、top5识别率分别为38.38%、65.54%，本文方法的top1、top5识别率分别为39.66%、65.95%。可以看出，本文方法在未使用目标域的任何有标签数据的情况下，top1、top5识别率较原始VGG-Face分别提高了4.77%、7.9%，比仅使用源域数据分别提高了1.47%、2.16%，与SSPP-DAN方法取得了近似的结果。