伪装人脸识别的深度迁移训练方法研究

• 作者: 吴晓富 张索非 项阳
• 来源期刊: 南京邮电大学学报（自然科学版）
• 学科: 工学
• 关键词: 人脸识别 深度学习 特征学习 特征映射
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 通信与电子
• 页码范围: 31-38
• 页数: 8页
• 分类号: TN911.73
• 字数: 6867字
• 语种: 中文
• DOI: 10.14132/j.cnki.1673-5439.2020.03.005

摘要

伪装人脸指的是对正常人脸的外观进行有意或者无意的修饰.目前,流行的伪装人脸识别训练一般采用两阶段式训练算法:第一阶段先利用通用人脸数据集训练深度神经网络,第二阶段则在第一阶段训练好的网络上基于伪装人脸数据集DFW训练集进行迁移微调.文中基于目前流行的两阶段式伪装人脸识别迁移训练方法给出了一些新的尝试.区别于文献中其他算法,新算法第一阶段基于加性角间距损失函数来训练通用人脸识别网络模型;鉴于通常配对训练的三元组损失函数缺乏正样本之间的距离约束,新算法第二阶段在三元组损失函数的基础上提出一种正样本之间的距离约束来限制类内距离.在DFW测试集上进行的大量实验结果表明:在误识率为0.1％的条件下,所提算法在DFW的3个测试协议下准确度分别达到60.48％、82.88％、82.04％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张索非	南京邮电大学物联网学院	16	61	4.0	7.0
2	吴晓富	南京邮电大学通信与信息工程学院	25	57	5.0	6.0
3	项阳	南京邮电大学通信与信息工程学院	1	0	0.0	0.0