人臉識(shí)別是能夠從圖像、視頻中識(shí)別或驗(yàn)證身份的技術(shù),具有被測(cè)試的個(gè)體無(wú)法察覺(jué)的自然性優(yōu)勢(shì),不容易引起使用者的注意而不易被偽裝、欺騙,近年來(lái)人臉識(shí)別在生活中應(yīng)用越來(lái)越多。而隨著深度卷積神經(jīng)網(wǎng)絡(luò)將許多計(jì)算機(jī)視覺(jué)任務(wù)的性能提升到了一個(gè)新的水平,構(gòu)建更深、更復(fù)雜的網(wǎng)絡(luò)使人臉識(shí)別算法獲得了更高的準(zhǔn)確性,但同時(shí)神經(jīng)網(wǎng)絡(luò)導(dǎo)致的計(jì)算及存儲(chǔ)成本大的缺點(diǎn)限制了算法更好的普及、移植。本文針對(duì)這一問(wèn)題,研究單攝像頭條件下統(tǒng)一高效的人臉識(shí)別算法。完整的人臉識(shí)別過(guò)程依賴于人臉檢測(cè)、活體檢測(cè)、關(guān)鍵點(diǎn)檢測(cè)及人臉驗(yàn)證四個(gè)任務(wù),本文結(jié)合這四個(gè)關(guān)鍵算法提出一個(gè)基于深度可分離卷積結(jié)構(gòu)的統(tǒng)一網(wǎng)絡(luò)模型,并使用多源數(shù)據(jù)集實(shí)現(xiàn)多任務(wù)共同訓(xùn)練過(guò)程。通過(guò)設(shè)計(jì)模型結(jié)構(gòu),在網(wǎng)絡(luò)內(nèi)使用關(guān)鍵點(diǎn)檢測(cè)結(jié)果輔助其他任務(wù)的學(xué)習(xí),引入注意力機(jī)制,通過(guò)特征級(jí)別的裁剪與對(duì)齊保證模型的精度,利用任務(wù)間共用卷積層網(wǎng)絡(luò)減少模型算量,實(shí)現(xiàn)網(wǎng)絡(luò)加速,同時(shí)多任務(wù)的學(xué)習(xí)目標(biāo)隱式的增加了訓(xùn)練數(shù)據(jù)的數(shù)量和不同的數(shù)據(jù)分布,使模型更容易學(xué)習(xí)到具有泛化性的特征。實(shí)驗(yàn)中,對(duì)模型四個(gè)任務(wù)進(jìn)行了分別的驗(yàn)證。本文提出的統(tǒng)一多任務(wù)模型總算量為589MFLOPs,優(yōu)于現(xiàn)有的單任務(wù)人臉驗(yàn)證模型。人... 

【文章來(lái)源】：廈門(mén)大學(xué)福建省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：69 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

研究思璐圖

圖３．１?ＵＦａｃｅＮｅｔ任務(wù)依賴關(guān)系??

圖３．?２面部眼睛、鼻尖、嘴角位置關(guān)鍵點(diǎn)??


本文編號(hào)：2989449