《表5 表情识别结果:基于编解码网络的多姿态人脸图像正面化方法》
为量化展示模型保留图像细节特征的能力,采用Ding等[28]的卷积神经网络模型在Multi-PIE数据集上进行表情识别,训练样本包括中性、微笑、惊讶、蔑视、厌恶、尖叫6种表情,跨越19种光照-45?~+45?间7种姿态变化的图像;测试集不包括正面图像,与训练集的挑选方式相同;采用Light CNN[29]在Multi-PIE数据集上进行人脸识别,数据包括6种表情、正面光照、7种姿态变化,训练集和测试集的抽取方式与训练MCEDN模型的相同.表情识别结果如表5所示,人脸识别结果如表6所示.其中,任务1为正面基础特征网络的合成图像?Xm识别结果,任务2为图像合成子任务的合成图像?Xo亦即MCEDN的合成图像的识别结果.文献[16]通过辅助网络提升合成图像的质量,本小节使用该方法进行对比实验.
图表编号 | XD0039020900 严禁用于非法目的 |
---|---|
绘制时间 | 2019.04.20 |
作者 | 徐海月、姚乃明、彭晓兰、陈辉、王宏安 |
绘制单位 | 中国科学院软件研究所人机交互北京市重点实验室、中国科学院大学、中国科学院软件研究所人机交互北京市重点实验室、中国科学院大学、中国科学院软件研究所人机交互北京市重点实验室、中国科学院大学、中国科学院软件研究所人机交互北京市重点实验室、中国科学院大学、中国科学院软件研究所人机交互北京市重点实验室、中国科学院大学、中国科学院软件研究所计算机科学国家重点实验室 |
更多格式 | 高清、无水印(增值服务) |