計(jì)算機(jī)硬件的發(fā)展推動(dòng)了深度學(xué)習(xí)技術(shù)在圖像識(shí)別領(lǐng)域的進(jìn)步,基于卷積神經(jīng)網(wǎng)絡(luò)的圖像分類,人臉識(shí)別方法取得了顯著性的成果。近年來(lái),隨著人工智能,多媒體等技術(shù)的快速發(fā)展,監(jiān)控視頻在家庭安防、金融安全、智能出行等領(lǐng)域得到了廣泛的應(yīng)用,基于監(jiān)控視頻中人臉特征的分析成為學(xué)者們研究的熱點(diǎn)領(lǐng)域。傳統(tǒng)研究方法中大多忽視了監(jiān)控視頻對(duì)識(shí)別實(shí)時(shí)性能的需求,并且很少同時(shí)實(shí)現(xiàn)對(duì)多種屬性的研究以及對(duì)屬性數(shù)據(jù)相對(duì)較少問題的進(jìn)一步解決。因此,本文主要對(duì)監(jiān)控視頻中的人臉屬性分析的實(shí)時(shí)性和準(zhǔn)確性進(jìn)行研究,并從圖像生成角度解決數(shù)據(jù)量相對(duì)較少的問題,進(jìn)一步優(yōu)化屬性分析的模型。主要研究?jī)?nèi)容如下:一、從監(jiān)控視頻人臉數(shù)據(jù)的構(gòu)成、特點(diǎn)、應(yīng)用領(lǐng)域和國(guó)內(nèi)外人臉研究的現(xiàn)狀等方面,說明了基于監(jiān)控視頻人臉數(shù)據(jù)進(jìn)行屬性分析的重要意義。總結(jié)了對(duì)監(jiān)控視頻人臉數(shù)據(jù)進(jìn)行屬性分析的網(wǎng)絡(luò)結(jié)構(gòu)的選擇方法,詳細(xì)介紹了基于Multi-task思想的Lighten CNN單網(wǎng)絡(luò)多目標(biāo)的網(wǎng)絡(luò)結(jié)構(gòu)的構(gòu)建。并闡述了人臉特征分析的幾個(gè)重要的評(píng)價(jià)指標(biāo)。二、使用了基于BEGAN,CycleGAN的人臉屬性數(shù)據(jù)的生成方法。因?yàn)楝F(xiàn)有監(jiān)控視頻數(shù)據(jù)相對(duì)較少,對(duì)最終模型的準(zhǔn)確率影響較大。為...

【文章頁(yè)數(shù)】：72 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２－２?Ｌｉｇｈｔｅｎ?ＣＮＮ的網(wǎng)絡(luò)結(jié)構(gòu)??－

ｅｎｓｅｍｂｌｅ的方式，導(dǎo)致模型很大，計(jì)算時(shí)間較長(zhǎng)。Ｌｉｇｈｔｅｎ?ＣＮＮ是一種輕量級(jí)的網(wǎng)絡(luò)??結(jié)構(gòu)，網(wǎng)絡(luò)結(jié)構(gòu)相對(duì)簡(jiǎn)單，在時(shí)間和空間上都得到了優(yōu)化。Ｌｉｇｈｔｅｎ?ＣＮＮ的網(wǎng)絡(luò)結(jié)構(gòu)??如圖２－２所示：???ＩＩＩ?月１?８?，＾７??ｐ?—卜?ｄｆ／?—ｎｉ?一？?ｉ—以…娜??....

圖２－３?Ｌｉｇｈｔｅｎ?ＣＮＮ的ＭＦＭ激活函數(shù)的原理圖??Ｆｉｇ．２－３?Ｐｒｉｎｃｉｐｌｅ?ｏｆ?ｔｈｅ?ＭＦＭ?ａｃｔｉｖａｔｉｏｎ?ｆｕｎｃｔｉｏｎ?ｉｎ?Ｌｉｇｈｔｅｎ?ＣＮＮ??

ｅｎｓｅｍｂｌｅ的方式，導(dǎo)致模型很大，計(jì)算時(shí)間較長(zhǎng)。Ｌｉｇｈｔｅｎ?ＣＮＮ是一種輕量級(jí)的網(wǎng)絡(luò)??結(jié)構(gòu)，網(wǎng)絡(luò)結(jié)構(gòu)相對(duì)簡(jiǎn)單，在時(shí)間和空間上都得到了優(yōu)化。Ｌｉｇｈｔｅｎ?ＣＮＮ的網(wǎng)絡(luò)結(jié)構(gòu)??如圖２－２所示：???ＩＩＩ?月１?８?，＾７??ｐ?—卜?ｄｆ／?—ｎｉ?一？?ｉ—以…娜??....

圖２－５?ｍｕｌｔｉ－ｔａｓｋ軟共享機(jī)制??Ｆｉｇ．２－５?Ｓｏｆｔ?ｓｈａｒｉｎｇ?ｍｅｃｈａｎｉｓｍ?ｏｆ?ｍｕｌｔｉ－ｔａｓｋ??

硬共享機(jī)制是深度神經(jīng)網(wǎng)絡(luò)多任務(wù)學(xué)習(xí)最常用的一種方式，這一方式可以追溯到??１９９３年。通過共享多個(gè)任務(wù)所有隱藏層的參數(shù)，并且保留各個(gè)任務(wù)特定的輸出層來(lái)實(shí)??現(xiàn)硬共享機(jī)制，具體思想如圖２－４：??任務(wù)Ａ?任務(wù)Ｂ?任務(wù)Ｃ??ｒｏｉ?〇〇１?ＢＱｉ??Ｔ?ｔ?－特定任務(wù)層??〇〇１〇〇....

圖２－４?Ｍｕｌｔｉ－ｔａｓｋ硬共享機(jī)制??Ｆｉｇ．２－４?Ｈａｒｄ?ｓｈａｒｉｎｇ?ｍｅｃｈａｎｉｓｍ?ｏｆ?Ｍｕｌｔｉ－ｔａｓｋ??

硬共享機(jī)制是深度神經(jīng)網(wǎng)絡(luò)多任務(wù)學(xué)習(xí)最常用的一種方式，這一方式可以追溯到??１９９３年。通過共享多個(gè)任務(wù)所有隱藏層的參數(shù)，并且保留各個(gè)任務(wù)特定的輸出層來(lái)實(shí)??現(xiàn)硬共享機(jī)制，具體思想如圖２－４：??任務(wù)Ａ?任務(wù)Ｂ?任務(wù)Ｃ??ｒｏｉ?〇〇１?ＢＱｉ??Ｔ?ｔ?－特定任務(wù)層??〇〇１〇〇....

本文編號(hào)：3895133