基于全局深度分离卷积残差网络的高效人脸识别算法

• 作者: 卢涛 陈希彤
• 来源期刊: 武汉工程大学学报
• 学科: 工学
• 关键词: 人脸识别 可分离卷积 残差学习 卷积神经网络
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 机电与信息工程
• 页码范围: 276-282
• 页数: 7页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.3969/j.issn.1674?2869.2019.03.014

摘要

深度学习模型的复杂性影响了人脸识别的实时性能,限制了人脸识别算法在实际场景中的应用.针对这一问题,提出了一种基于全局深度分离卷积的残差学习神经网络,首先利用小卷积核提取人脸图像局部细节信息,采用深度残差学习网络作为骨干网络提取不同层次特征,然后根据人脸特征分布的空间重要性使用全局深度可分离卷积调整学习权重,加速精炼深层抽象特征,通过这一机制获取判别能力更强的特征向量进行人脸识别.在CASIA-Webface与Extend Yale-B人脸数据集中的识别率分别达到了82.1％与99.8％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	卢涛		20	37	4.0	5.0
2	陈希彤		1	0	0.0	0.0