|
科研成果 |
|
|
|
论文题目: |
基于深度卷积神经网络与中心损失的人脸识别 |
第一作者: |
张延安;王宏玉;徐方 |
参与作者: |
|
联系作者: |
|
发表刊物: |
科学技术与工程 |
发表年度: |
2017 |
卷,期,页: |
17,35,92-97 |
论文出处: |
|
第一作者所在部门: |
|
论文编号: |
|
论文摘要: |
传统人脸识别方法手工设计特征过程复杂、识别率较低,对于开集人脸识别通用深度学习分类模型特征判别能力较弱。针对这两方面的不足,提出了一种以分类损失与中心损失相结合作为模型训练监督信号的深度卷积神经网络。首先,利用构建的应用场景数据集优调从公共数据集获得初始化参数的深度人脸识别模型,解决训练数据过小和数据分布差异问题,同时提高模型训练速度;然后,以传统损失函数和新的中心损失作为迁移学习过程中的监督信号,使得类内聚合、类间分散,提高模型输出人脸特征的判别能力;最后,对人脸特征进行主成分分析,进一步去除冗余特征,降低特征复杂度,提高人脸识别准确率。实验结果表明,与传统人脸识别算法相比该算法可以自动进行特征提取,并且相对于通用深度学习分类模型该算法通过度量学习使特征表示更具判别力。在自建测试集和LFW、YouTube Faces标准测试集上都取得了较高的识别率。 |
论文全文: |
|
其他备注: |
|
附件下载: |
|
|
|