《表6 人脸识别结果：基于编解码网络的多姿态人脸图像正面化方法》

  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

《基于编解码网络的多姿态人脸图像正面化方法》

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.