本文關(guān)鍵詞：基于端到端深度卷積神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別算法

  更多相關(guān)文章： 人臉識(shí)別 人臉驗(yàn)證 深度學(xué)習(xí) 端到端 深度卷積神經(jīng)網(wǎng)絡(luò)

【摘要】：人臉識(shí)別是指識(shí)別出某一個(gè)特定的人,而不僅僅只是檢測(cè)到一張人臉。它廣泛應(yīng)用于公共安全、金融安全和商業(yè)領(lǐng)域。因此,人臉識(shí)別在計(jì)算機(jī)視覺(jué)中是一個(gè)核心問(wèn)題和熱門(mén)研究課題。近些年的人臉識(shí)別方法均是基于深度學(xué)習(xí)技術(shù),并且取得了巨大的進(jìn)展,甚至在測(cè)試集LFW上超越了人類的識(shí)別能力。為了充分發(fā)揮深度卷積神經(jīng)網(wǎng)絡(luò)的能力,本論文使用了端到端方式訓(xùn)練模型,并且提出了一種新的更適合人臉識(shí)別的損失函數(shù)。我們的模型使用了公開(kāi)可獲得的數(shù)據(jù)集作為訓(xùn)練,在測(cè)試集LFW上取得了單模型對(duì)齊情況下準(zhǔn)確率99.15%。在非對(duì)齊情況下也能達(dá)到99.08%,而這超過(guò)了最好的模型Google FaceNet在同樣情況下的結(jié)果98.87%。在使用簡(jiǎn)單的模型融合后,在對(duì)齊情況下達(dá)到99.33%,非對(duì)齊情況下99.28%,兩者均超過(guò)了人類的識(shí)別能力99.20%。最后,我們使用了可視化的方法試圖分析和理解人臉識(shí)別系統(tǒng)。
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP391.41;TP183

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前2條

1 毛亮;李立琛;;淺談人臉識(shí)別技術(shù)[J];中國(guó)公共安全;2014年10期

2 李彬;曲寒冰;靳薇;;淺談人臉識(shí)別技術(shù)在智能視頻監(jiān)控中的應(yīng)用與發(fā)展趨勢(shì)[J];中國(guó)安防;2011年03期

，

本文編號(hào)：1296728