《表1 不同情况下人脸检索结果Tab.1 Face retrieve results in different situations》

  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

《基于深度特征聚类的海量人脸图像检索》

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

通过Elbow Method确定最佳的聚类数k后将图像划分为不同的类进行人脸检索性能验证，为验证通过采用Elbow Method确定最佳k值的有效性，实验中分别选取不同的k值进行聚类分析，见表1.从表1中实验结果数据可看出，在相同的条件下当图像集划分为2个簇或3个簇时，使得检索范围变小，能够在更小的数据集中快速检索正确的结果.在不使用查询扩展方法和使用查询扩展方法两种情况下都能够显著降低检索时间，可节省约一半的检索时间，同时平均检索准确率达到最高，检索结果最佳.从表中实验结果可以看出，当聚类数k值为2时，在不使用查询扩展方法时平均检索准确率达到95.12%，使用查询扩展方法后将平均检索准确率提高到95.75%.从实验结果得出，通过Elbow Method确定最佳的聚类数k值后，对深度特征进行K-means聚类将海量人脸图像划分为不同的簇后，然后在相应的最近簇内进行相似人脸图像检索具有一定的可靠性和可行性，能够显著降低检索时间.