下载此文档

基于VGG16架构的中国名人面孔识别.doc


文档分类:生活休闲 | 页数:约5页 举报非法文档有奖
1/5
下载提示
  • 1.该资料是网友上传的,本站提供全文预览,预览什么样,下载就什么样。
  • 2.下载该文档所得收入归上传者、原创者。
  • 3.下载的文档,不会出现我们的网址水印。
1/5 下载此文档
文档列表 文档介绍
基于VGG16架构的中国名人面孔识别
摘 要:人脸识别在现实生活中具有广阔的发展前景,本文设计了一种新的位姿不变的人脸识别深度神经网络算法,以极低的错误率识别中国公众名人。该算法首先是构建了一个新的数据集,数据集的每一张图片是基于VGG16架构的中国名人面孔识别
摘 要:人脸识别在现实生活中具有广阔的发展前景,本文设计了一种新的位姿不变的人脸识别深度神经网络算法,以极低的错误率识别中国公众名人。该算法首先是构建了一个新的数据集,数据集的每一张图片是带有标签的面孔。其次是对构建的新数据集上的深卷积神经网络(CNN)VGG-16架构进行了微调。文中算法和Fisherface相比,在识别精度和耗时上面均表现更好。
关键词:人脸识别;深度神经网络;CNN;VGG-16
中图分类号:TP391
人脸在我们的社会交往中扮演着重要的角色,承载着人们的身份信息。人脸识别系统有着非凡的突破。这种突破在很大程度上可以归因于基于深度学****技术[1]的成功,这些技术假设通过收集大量的训练集,深层网络将有足够的样本来说明主体之间和主体内部的外观变化。从这些变化中,人工神经网络可以学****产生辨别特征,放大主体差异,抑制其他混淆的外观变化。因此,为了训练基于深度学****的人脸识别系统,需要非常大的训练集和数百万张带标签的图像。然而,大型训练数据集并不是公开的,而且很难收集。此外,通过从搜索引擎下载图像来构建大型数据集是非常困难的,也是最具经济挑战性的。解决缺少大型人脸数据集的一个方法是通过合成包含人脸图像的新视图来扩充人脸数据集。因此,通过引入补充的受试者内部外观变化(如姿态变化),可以将现有的人脸集扩展到其大小的许多倍。
1 相关知识
Dropout(随机失活)
Dropout的工作原理是,在训练过程中,从指定的层中删除一个神经元,或者删除某些连接。
Batch normalization(批量归一化)
Batch normalization方法,允许我们训练归一化权值和归一化层。批处理规范化可以应用于网络中的任何层,因此非常有效。
Data augmentation(数据增强)
使用当前拥有的数据,并对其进行操作,以生成同一图像的更多版本,从而增加在训练期间看到的数据的多样性。
2 实验及分析
实验过程
文章提出了一种新的半自动方法来构建非常大的合成图像训练数据集,在最小的人为干预下,通过在一个小的数据集中合成真实的人脸图像。
实验分析
建立人脸数据集的第一步:获取公众人物和名人的初始列表,即在搜索引擎上具有高代表性的人。
第二步:过滤过程的应用,通过删除出现在LFW人脸数据集中的任何明星名字,消除与标准LFW基准的任何重叠,从而使在新的数据集上进行训练,同时仍然可以在LFW基准上进行公平的评估,产生4000个身份的列表。
第三步:为候选名单中的每个名人收集一组代表性的图片。
第四步:对前一阶段采集的所有图像运行Viola-Jones人脸检测器,获取每个给定图像中人脸的位置,然后裁剪并重新缩放到一个标准坐标系。为了使人脸对齐,我们使用了人脸对齐方法将它们相应地旋转到一个正面位

基于VGG16架构的中国名人面孔识别 来自淘豆网www.taodocs.com转载请标明出处.

非法内容举报中心
文档信息
  • 页数5
  • 收藏数0 收藏
  • 顶次数0
  • 上传人刘禅
  • 文件大小15 KB
  • 时间2022-08-03