人脸识别背后的数据清理问题研究

• 作者: 夏洋洋 洪西进 龚勋
• 来源期刊: 智能系统学报
• 学科: 工学
• 关键词: 深度卷积神经网络 DCNN 清理图像 人脸识别 大型数据库
• 年，卷（期）: 2017,（5）
• 页码范围: 616-623
• 页数: 8页
• 分类号: TP391.4
• 字数: 5452字
• 语种: 中文
• DOI: 10.11992/tis.201706025

摘要

人脸识别技术在深度卷积神经网络(deep convolution neural networks,DCNN)的快速发展下取得了显著的成就.这些成果主要体现在更深层次的DCNN架构和更大的训练数据库.然而,由大多数私人公司持有的大型数据库(百万级)并不对外公开,即使当前部分开放的大型数据库,因为标注信息过少,无法保证精度,会影响DCNN的训练.本文提出了一种易于使用的多角度清理图像方法来提高数据的准确性:通过人脸检测算法清除掉无法检测到人脸的图像;在清理后的数据集上利用已有模型提取图像特征,并计算相似度,进而统计出一类人脸图像中每一张图像与其他图像不相似的数目,根据改进参数清理数据.实验表明,清理后的数据库训练模型在LFW和Youtube Face数据集上测试的精度得到了提升,使用较小规模数据集情况下,在LFW数据集上取得了99.17%的准确率,在Youtube Face数据集也达到了93.53%的准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	龚勋	西南交通大学信息科学与技术学院	39	320	10.0	16.0
2	夏洋洋	西南交通大学信息科学与技术学院	1	3	1.0	1.0