《表2 与其他方法对比实验结果》

  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

《基于生成对抗网络的遮挡表情识别》

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

本文选取了PCA+SVM方法[24]、稀疏表示方法（sparse representation based classification，SRC）[6]以及CNN、DCGAN[13]+CNN方法来进行对比，其中CNN的方法即4.1节中的方法1，DCGAN+CNN方法中DCGAN用于填补遮挡人脸图像，CNN同为微调的VGGface模型，用于人脸表情分类。所有方法都在CK+数据集上进行了实验，结果如表2所示。可以看出，无论人脸图像是否存在遮挡，本文方法的表情识别准确率都较高，深度学习方法中DCGAN+CNN方法虽然也对人脸图像进行了填补，但得到的图像连贯性较差，影响了表情识别的准确率，尤其在遮挡面积小于40%时，该方法的表情识别准确率甚至小于仅用CNN的准确率。本文的方法避免了图像不连贯对表情识别的影响，在人脸遮挡面积60%时仍能达到80%以上的识别准确率。