《表4 不同方法使用不同训练集在3DProj-Sur数据集上的识别率》
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。
图表编号 | XD00222781200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.11.05 |
作者 | 王通平、傅可人、程鹏 |
绘制单位 | 四川大学计算机学院、四川大学计算机学院、四川大学空天科学与工程学院 |
更多格式 | 高清、无水印(增值服务) |