基于自注意力孪生神经网络的人脸识别——在家族人脸数据库上的亲属关系预测

• 作者: 胡滨 陶蓉
• 来源期刊: 信息与电脑
• 学科: 工学
• 关键词: 自注意力 孪生神经网络 人脸识别 亲属关系预测
• 年，卷（期）: 2019,（12）
• 所属期刊栏目: 人工智能与识别技术
• 页码范围: 124-126
• 页数: 3页
• 分类号: TP391.41
• 语种: 中文

摘要

人脸识别任务中,孪生神经网络被广泛应用于解决样本过少、类别庞大的项目,通过判别输入的人脸相似度达到较高的鲁棒性.通过设计和改造传统孪生神经网络,提出了基于自注意力机制的孪生神经网络,将经典人脸识别任务衍生到亲属关系预测.网络设计思路结合了近期提出的全局上下文非局部注意力模块(Global Context Non-local Network,GC Block),使用自注意力机制融合人脸远距离关键特征,且在保持有效计算精度的基础上减少计算量,同时,使用美国西北大学的SMILE人脸数据集进行训练,并在官方于Kaggle举办的基于人脸亲属关系识别数据竞赛中进入前十名.实验表明,全局上下文模块可以有效融合人脸的远距离关键特征间的依赖信息,结合孪生网络,显著提升亲属关系预测任务的精度.