本文探索如何利用能夠自適應(yīng)計算的卷積神經(jīng)網(wǎng)絡(luò)構(gòu)建一個高效、準(zhǔn)確且能應(yīng)用在實際場景的人臉識別系統(tǒng)。人臉識別系統(tǒng)的主體部分是人臉檢測和人臉識別,我們將從這兩個方面入手,研究如何利用能夠動態(tài)自適應(yīng)計算的神經(jīng)網(wǎng)絡(luò)來高效地完成人臉檢測任務(wù),以及如何利用有效的工程方法和算法完成實際場景的人臉識別任務(wù)。人臉檢測是一個對實時性要求較高的任務(wù),現(xiàn)今大部分優(yōu)秀的人臉檢測算法通過設(shè)計特定的網(wǎng)絡(luò)結(jié)構(gòu)或做權(quán)重裁剪來縮減計算成本,但一般未考慮模型輸入樣本自身的特點以及計算過程本身的特點,因而缺乏靈活性。鑒于此,我們將設(shè)計能夠基于輸入樣本自身特點,進行動態(tài)自適應(yīng)計算的神經(jīng)網(wǎng)絡(luò),以此來構(gòu)建和優(yōu)化模型;縮減冗余的計算量,做到保證精度的前提下,大幅的降低計算成本,同時具備很好的靈活性,能夠泛化到其他任務(wù)和領(lǐng)域。另一方面,現(xiàn)今的人臉識別算法可以在一些公開的人臉識別數(shù)據(jù)集上做到非常高的水準(zhǔn),但在一些實際場景下的精度表現(xiàn)并不盡如人意,我們探索如何利用工程的方法在人臉識別流程上改進算法和模型的訓(xùn)練方法,以適應(yīng)實際的非受限場景下的亞裔人臉識別的任務(wù),提高識別精度,降低人臉識別的誤識率。最后,我們會將整套人臉識別的系統(tǒng)應(yīng)用到一個大規(guī)模人臉檢索任務(wù)上來測試我們方法的性能。
【學(xué)位單位】：華中科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2019
【中圖分類】：TP391.41;TP183
【部分圖文】：

圖 1-1 本文的主要研究內(nèi)容1.3 論文章節(jié)安排本文的組織結(jié)構(gòu)具體如下：第一章：介紹了人臉識別研究領(lǐng)域的背景和意義以及本文的貢獻，最后概括了本論文的組織結(jié)構(gòu)；第二章：提出了動態(tài)自適應(yīng)計算的神經(jīng)網(wǎng)絡(luò)來處理人臉檢測的任務(wù)，該方法基于深度學(xué)習(xí)算法和相應(yīng)的網(wǎng)絡(luò)結(jié)構(gòu)，可以在保證精度的前提下大大降低計算成本，利用ResNet 結(jié)構(gòu)和空間自適應(yīng)計算的策略來完成自適應(yīng)計算神經(jīng)網(wǎng)絡(luò)的構(gòu)建。我們設(shè)計的自適應(yīng)計算策略可以讓模型在計算成本和精度上保持很好的均衡，同時很容易泛化到其他任務(wù)。

判斷是否是人臉。第一個神經(jīng)網(wǎng)絡(luò)估計出的角度用于對檢測窗口做旋轉(zhuǎn)，然后利用二個神經(jīng)網(wǎng)絡(luò)對旋轉(zhuǎn)后的待檢窗口做二分類。Rowley 的方法在當(dāng)時精度較高，只由于其模型的復(fù)雜結(jié)構(gòu)而致使速度較慢。AdaBoost 架構(gòu)是利用集成學(xué)習(xí)算法，通多個簡單的弱分類器級聯(lián)，形成精度較高的強分類器。例如 Viola 等人提出的人臉測方法[17]，使用 Haar-Like 特征和級聯(lián)的 AdaBoost 分類器來構(gòu)建檢測模型，在保精度的情況下大大提升了算法的速度，人們稱之為 VJ 架構(gòu)。它奠定 AdaBoost 目標(biāo)檢測框架的基礎(chǔ)。AdaBoost 算法的思想是，級聯(lián)多個分類器，依序?qū)斎肴四樆蛉四樳M行分類，相當(dāng)于流水線作業(yè)，判定輸入是人臉圖片與否。前面的弱分類器的作用是快速排除大量負(fù)樣本，所以設(shè)計較為簡單，但準(zhǔn)確率并沒有很高的保障，所以后續(xù)需要強分類器進一步篩選，當(dāng)某個樣本經(jīng)過了所有的分類器的篩選則被認(rèn)為是正樣本。級聯(lián)分類器的示意如下圖 1-2。

圖 1-3 MTCNN 的輸入預(yù)處理以及 P-net，R-net，O-net 流程圖Face R-CNN[22]是基于 Faster R-CNN[23]經(jīng)典檢測算法做人臉檢測，在原有的兩階段檢測框架上對于人臉檢測任務(wù)做了優(yōu)化：增加了center loss的損失項以及onlinehard example mining[39]和多尺度訓(xùn)練的策略， 對檢測精度有一定的提升。人臉檢測算法 SSH[24]的特點是尺度不變性，不同于 MTCNN 需要分別預(yù)測多個尺度的輸入圖片，SSH 只需要處理一個尺度的輸入。它的處理方法是在卷積神經(jīng)網(wǎng)絡(luò)的多個深度的層上引出 3 個分支，各個分支都使用相同的計算流程，對特征進行分類和邊界框回歸。通過將不同尺度的特征作為預(yù)測分支的輸入，間接的實現(xiàn)了多尺度的人臉檢測。而 PyramidBox[25]算法主要是對各種策略和算法的的組合應(yīng)用，包括基于錨點（anchor）的上下文輔助方法用于監(jiān)督小尺度模糊或部分遮擋人臉的上下文特征的監(jiān)督信息；底層特征金字塔網(wǎng)絡(luò)來更好的融合特征；利用上下文敏感的預(yù)測模塊從合并的特征中了解精確的位置和分類；同時提出了基于尺度感知的數(shù)據(jù)增強方法，用以改進對訓(xùn)
【相似文獻】

相關(guān)期刊論文 前10條

1 郎為民;安海燕;姚晉芳;;移動設(shè)備自適應(yīng)計算卸載研究[J];電信快報;2017年01期

2 曲強;金明錄;;分?jǐn)?shù)階傅里葉變換的自適應(yīng)計算[J];系統(tǒng)仿真學(xué)報;2009年23期

3 王正華;自適應(yīng)計算提高了IC的性能[J];今日電子;2001年12期

4 ;國際新聞[J];中國集成電路;2018年04期

5 Paul Master,彭京湘;自適應(yīng)計算減少Q(mào)CELP功率[J];電子產(chǎn)品世界;2001年05期

6 Paul Master,岳云;自適應(yīng)計算為MPEG-4注入新的動力[J];今日電子;2001年11期

7 柳豐收;郭保穩(wěn);;基于SYSTOLIC陣列的空頻聯(lián)合自適應(yīng)調(diào)零算法[J];全球定位系統(tǒng);2017年05期

8 代偉;自適應(yīng)計算技術(shù)在無線移動通信中的應(yīng)用[J];電子產(chǎn)品世界;2002年06期

9 王瑩;;自適應(yīng)計算架構(gòu)可應(yīng)對靈活多變的創(chuàng)新——訪靈思總裁兼首席執(zhí)行官Victor Peng[J];電子產(chǎn)品世界;2020年01期

10 ;超越FPGA功能的新型自適應(yīng)計算產(chǎn)品[J];今日電子;2018年04期

相關(guān)博士學(xué)位論文 前1條

1 趙紀(jì)坤;各向異性局部重構(gòu)型后驗誤差估計及自適應(yīng)計算[D];鄭州大學(xué);2016年

相關(guān)碩士學(xué)位論文 前8條

1 陳坤鵬;基于自適應(yīng)卷積神經(jīng)網(wǎng)絡(luò)的人臉檢測和識別[D];華中科技大學(xué);2019年

2 劉紅;虛擬多介質(zhì)三維電容提取的性能改進算法研究[D];清華大學(xué);2005年

3 李留強;h型自適應(yīng)有限元法計算重力壩應(yīng)力的控制標(biāo)準(zhǔn)及改善壩踵區(qū)應(yīng)力分布的方法探討[D];大連理工大學(xué);2006年

4 趙京昌;自適應(yīng)間斷有限元方法在中子輸運問題中的應(yīng)用[D];華北電力大學(xué)(北京);2016年

5 饒瑋;短波接收機前端強干擾噪聲自適應(yīng)對消實現(xiàn)[D];華中科技大學(xué);2009年

6 魏玉果;基于自適應(yīng)計算階次跟蹤的旋轉(zhuǎn)機械階次分析系統(tǒng)[D];重慶大學(xué);2007年

7 王亮;寬帶移動多載波系統(tǒng)的測距和峰均比降低技術(shù)研究[D];中國科學(xué)院研究生院（上海微系統(tǒng)與信息技術(shù)研究所）;2008年

8 岳永恒;基于Agent教學(xué)系統(tǒng)中關(guān)鍵問題的研究[D];長沙理工大學(xué);2005年

本文編號：2839709