基于双路卷积神经网络的人脸性别识别

• 作者: 阴紫微 陈淑荣
• 来源期刊: 现代计算机
• 关键词: 双路卷积神经网络 特征图融合 AM-Softmax分类函数 人脸性别识别
• 年，卷（期）: 2020,（24）
• 所属期刊栏目: 图形图像
• 页码范围: 64-68,85
• 页数: 6页
• 语种: 中文
• DOI: 10.3969/j.issn.1007-1423.2020.24.012

摘要

为了解决近、远景下拍摄的图片中由于语义信息相差过大造成人脸性别识别准确率低的问题,建立一种双路卷积神经网络模型.首先模型分别采用深度不同的两路网络进行特征提取再融合以此丰富人脸特征语义信息;同时在模型中引入Slice和Eltwise层对特征映射图进行筛选以降低运算量;此外还采用AM-Softmax函数,进一步增大类间,缩小类内差异.模型分别在多个人脸数据集上进行实验,结果表明双路卷积神经网络模型对于提高近、远景下人脸的性别识别准确率有良好的效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈淑荣		39	136	7.0	9.0
2	阴紫微		1	0	0.0	0.0