一种基于融合深度卷积神经网络与度量学习的人脸识别方法

• 作者: 吕璐 曾燕 梁晓曦 蔡晓东
• 来源期刊: 现代电子技术
• 关键词: 多Inception结构 深度卷积神经网络 度量学习方法 深度人脸识别 特征提取 损失函数融合
• 年，卷（期）: 2018,（9）
• 所属期刊栏目: 信号分析与图像处理
• 页码范围: 58-61,67
• 页数: 5页
• 分类号: TN711-34|TP391.41
• 语种: 中文
• DOI: 10.16652/j.issn.1004-373x.2018.09.013

摘要

现有的卷积神经网络方法大多以增大类间距离为学习目标,而忽略类内距离的减小,这对于人脸识别来说,将导致一些非限制条件下(如姿态、光照等)的人脸无法被准确识别,为了解决此问题,提出一种基于融合度量学习算法和深度卷积神经网络的人脸识别方法.首先,提出一种基于多Inception结构的人脸特征提取网络,使用较少参数来提取特征;其次,提出一种联合损失的度量学习方法,将分类损失和中心损失进行加权联合;最后,将深度卷积神经网络和度量学习方法进行融合,在网络训练时,达到增大类间距离同时减小类内距离的学习目标.实验结果表明,该方法能提取出更具区分性的人脸特征,与分类损失方法及融合了其他度量学习方式的方法相比,提升了非限制条件下的人脸识别准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蔡晓东	桂林电子科技大学信息与通信学院	64	228	9.0	12.0
2	吕璐	桂林电子科技大学信息与通信学院	4	24	2.0	4.0
3	梁晓曦	桂林电子科技大学信息与通信学院	7	13	2.0	3.0
4	曾燕	桂林电子科技大学信息与通信学院	4	18	2.0	4.0