基于改进MobileFaceNet的人脸识别方法

• 作者: 胡佳荣 孟文 赵晶晶
• 来源期刊: 半导体光电
• 学科: 工学
• 关键词: 人脸识别 MobileFaceNet 深度学习 卷积神经网络 深度可分离卷积
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 光电技术及应用
• 页码范围: 164-168
• 页数: 5页
• 分类号: TP391
• 语种: 中文
• DOI: 10.16818/j.issn1001-5868.2021110204

摘要

针对目前大多数人脸识别算法参数多、计算量大,难以部署到移动端和嵌入式设备中的问题,提出了 一种基于改进MobileFaceNet的人脸识别方法.通过对MobileFaceNet模型结构的调整,将bottleneck模块优化为sandglass模块,改良深度卷积和逐点卷积的相对位置,适当增大sandglass模块的输出通道数,从而减少特征压缩时的信息丢失,增强人脸空间特征的提取.实验结果表明:改进后的方法在LFW测试数据集上准确率达99.15％,模型大小和计算量分别仅为原算法的61％和45％,验证了所提方法的有效性.