《表2 5种方法在Celeb A数据集的测试集上的准确率》

  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

《机器仿生眼的多任务学习人脸分析》

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CelebA数据集的测试集对多任务卷积神经网络模型执行笑容识别任务和性别分类任务的性能测试.对比方法包括PANDA-1（Pose Aligned Networks for Deep Attribute modeling-1）[34]、MT-RBM（Multi-task Restricted Boltzmann Machines）[35]、LNet+ANet（Face Localization Network+Attribute Prediction Network）[33]、HyperFace[36]，准确率如表2所示.