基于多层特征融合可调监督函数卷积神经网络的人脸性别识别

• 作者: 周亚同 池越 石学超
• 来源期刊: 计算机应用研究
• 关键词: 人脸性别识别 多层特征融合 卷积神经网络 深度学习
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 图形图像技术
• 页码范围: 940-944
• 页数: 5页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2017.10.1018

摘要

为了进一步提高性别识别的准确率,提出了一种基于多层特征融合与可调监督函数机制结合的卷积神经网络(L-MFCNN)模型,并将之用于人脸性别识别.与传统卷积神经网络(CNN)不同,L-MFCNN将多个浅层中间卷积层特征输出与最后卷积层特征输出相结合,融合多层卷积层的特征,不仅利用了深层卷积的整体语义信息,还考虑了浅层卷积的细节局部纹理信息,使得性别识别更加准确.此外L-MFCNN还引入具有可调目标监督函数机制的large-margin softmax loss作为输出层,利用其调节不同的间隔(margin)的机制来有效引导深层卷积网络学习,使得同种性别间的类内间距更小,不同性别间的类间距更大,获得更好的性别识别效果.在多个人脸数据集上的性别识别实验结果表明,L-MFCNN的识别准确率要高于其他传统的卷积网络模型.L-MFCNN模型也为将来的人脸性别识别研究提供了新的思路与方向.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	池越	河北工业大学电子信息工程学院天津市电子材料与器件重点实验室	33	66	5.0	6.0
2	周亚同	河北工业大学电子信息工程学院天津市电子材料与器件重点实验室	58	236	9.0	13.0
3	石学超	河北工业大学电子信息工程学院天津市电子材料与器件重点实验室	2	10	1.0	2.0