-
图 1 戴不同类型眼镜的人脸图像
Figure 1.
-
图 2 人脸数据集
Figure 2.
-
图 3 ERCNN的网络结构
Figure 3.
-
图 4 人脸眼镜去除的结果
Figure 4.
-
图 5 真实戴眼镜人脸的眼镜去除的结果
Figure 5.
-
图 6 真实戴眼镜人脸的眼镜去除效果不佳的结果
Figure 6.
-
人脸对齐 眼镜类型 方法 评价指标 PSNR (dB) SSIM MSE IFC 128×128 全框 ERCNN 34.7 0.98 22.03 7.0 PCA 24.2 0.85 247.22 6.1 半框 ERCNN 35.7 0.99 17.5 7.3 PCA 25.5 0.87 183.27 6.2 无框 ERCNN 35.7 0.99 17.5 7.5 PCA 26.0 0.88 163.34 6.3 平均值 ERCNN 35.3 0.98 19.01 7.2 PCA 25.2 0.86 197.94 6.2 112×96 全框 ERCNN 35.6 0.99 17.91 7.3 PCA 24.3 0.84 241.59 4.5 半框 ERCNN 36.3 0.99 15.24 7.6 PCA 25.0 0.85 205.63 4.5 无框 ERCNN 36.1 0.99 15.96 7.7 PCA 24.9 0.85 210.42 4.6 平均值 ERCNN 36.0 0.99 16.37 7.5 PCA 24.7 0.84 219.21 4.5 表 1 不同方法以及不同类型的眼镜去除性能对比
-
数据集 FAR TAR ① ② ③ ④ LFW 1 99.03 98.13 99.07 99.40 0.1 95.50 91.27 95.90 97.04 SLLFW 1 93.17 78.43 92.53 96.11 0.1 84.33 62.23 85.43 91.38 F-SLLFW 1 80.87 55.77 83.20 86.13 0.1 68.27 39.87 70.70 71.73 本文方法对F-SLLFW进行处理后 1 86.47 64.47 88.63 90.05 0.1 77.07 48.10 77.87 81.79 H-SLLFW 1 83.10 60.70 86.27 88.06 0.1 72.80 43.53 75.10 78.36 本文方法对H-SLLFW进行处理后 1 87.60 67.07 89.93 91.14 0.1 80.70 45.53 78.83 82.65 R-SLLFW 1 87.07 66.10 89.37 91.70 0.1 79.53 49.67 76.73 82.76 本文方法对R-SLLFW进行处理后 1 88.53 67.50 89.13 92.33 0.1 81.07 47.80 77.43 84.89 表 2 不同人脸识别的识别性能对比(%)
图共
6 个 表共
2 个
