模型|MDFR ：基于人脸图像复原和人脸转正联合模型的人脸识别方法( 三 ) b站日|用户

文章插图

实验结果
作者首先探索了不同的网络结构和损失函数的组合来观察FFN-S和FRN-TI相应部分对人脸生成的影响，实验结果如图3所示。

文章插图

图3. 消融实验在Multi-PIE数据库上的对比结果。
同时，表1展示了 MDFR 的不同变异体对不同姿态人脸的 rank-1 识别率。在所有的实验模型中，FFN-S 和 FRN-TI 均获得了最好的精度。

文章插图

表2列举了 FFN-S 和 FRN-TI 同其他方法在 Multi-PIE 数据集上人脸识别率的比较。FFN-S 在所有的姿态中获得了最好的效果，其次是FFN-TI。当姿态角度在±45°以内时，FFN-S 和FFN-TI获得了同 CAPG-GAN 相似的识别效果。但当姿态角度大于±45°时，FFN-S 和 FFN_TI 的效果要显著的好于 CAPG-GAN。

文章插图

文章插图

图4. 不同方法在多重低质量因素影响下的人脸复原效果
作者在多重低质量因素影响的人脸图像上进行相应的验证，包括低分辨率、不良光照、噪声以及模糊。实验表明，文章提到的方法不仅可以充分应对多种低质量因子，而且都可以生成相应的高质量人脸图像。图4展示了不同方法在多重低质量因素影响下的人脸复原效果。可以看出不同于之前只能处理单一的任务的方法，文中所提出的方法既可以对人脸进行转正也可以进行高质量复原，且取得了最好的视觉效果。

【模型|MDFR ：基于人脸图像复原和人脸转正联合模型的人脸识别方法】雷锋网雷锋网雷锋网