《表2 不同方法的NME与失败率》

  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

《基于自适应特征的遮挡人脸特征点定位算法》

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

%

为了客观公正地对本文AF-FLLO算法的特征点定位性能进行评测，我们选取了以下方法与本文方法对比:Crasm29[6]，FLPD[9]，HOSRD（hierarchical occlusion-handling stagewise relational dictionary）[12]，DSC-CR（dual sparse constrained cascade regression）[5]，P-DSC-CR（pose-insensitive dual sparse constrained cascade regression）[5]，RCPR[4]，SDM（supervised descent method）[13]，CRC（cascaded-regression copse）[14]，MCNet（multi-center convolutional network）[15]。从表2可以看出，基于自适应特征的AF-FLLO在NME和失败率两个指标上都比FLLO表现更好。在失败率指标上，MC-Net[15]取得了2.96%的最好结果，部分原因在于MCNet通过样本扩增方法使得训练样本数目达到60 000以上，而本文AF-FLLO方法的训练样本数目仅为2 690（1 345×2）。