基于卷積神經(jīng)網(wǎng)絡(luò)的安卓平臺(tái)人臉識(shí)別.pdf

1、近幾年來(lái),手機(jī)與手機(jī)軟件應(yīng)用發(fā)展迅速,在國(guó)內(nèi),網(wǎng)購(gòu)、線下支付等都會(huì)用到手機(jī),用戶的隱私保護(hù)成為難點(diǎn),傳統(tǒng)的隱私保護(hù)手段不法分子可輕易破解,新的隱私保護(hù)手段成為研究熱點(diǎn)。人臉作為人類身體固有特征,是新的保護(hù)手段的突破點(diǎn)。人臉識(shí)別研究起源較早,但是還不能夠滿足實(shí)際應(yīng)用需求。近期,深度學(xué)習(xí)技術(shù)在各種圖像分類識(shí)別任務(wù)中取得突破性成果,基于卷積神經(jīng)網(wǎng)絡(luò)技術(shù)的人臉識(shí)別研究也有很多。由于人臉識(shí)別使用環(huán)境不可控制,經(jīng)常會(huì)受到光照、形變、遮擋等因素的影響

2、,人臉識(shí)別技術(shù)仍然是一個(gè)研究難點(diǎn)與熱點(diǎn)。
　　本文主要研究了非限制條件下人臉識(shí)別任務(wù),經(jīng)過(guò)對(duì)人臉識(shí)別和卷積神經(jīng)網(wǎng)絡(luò)等相關(guān)技術(shù)的學(xué)習(xí)和總結(jié),做了大量基于卷積神經(jīng)網(wǎng)絡(luò)技術(shù)的人臉識(shí)別研究,本文的主要研究?jī)?nèi)容有以下幾個(gè)方面:
　　1)分析輸入圖像尺寸和人臉歸一化對(duì)模型計(jì)算速度與準(zhǔn)確率的影響:本文設(shè)計(jì)一個(gè)簡(jiǎn)單的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)并做了幾組實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果表明:輸入圖像尺寸越小模型計(jì)算速度越快,同時(shí)準(zhǔn)確率也會(huì)有所下降,所以輸入圖像尺寸的選擇

3、需要在速度與性能之間尋找一個(gè)平衡;經(jīng)過(guò)人臉歸一化之后,模型識(shí)別準(zhǔn)確率有所提升,能夠輕微降低角度等變化對(duì)識(shí)別結(jié)果的影響。
　　2)提出特征圖空間注意機(jī)制并對(duì)殘差模塊做出改進(jìn):在人臉識(shí)別任務(wù)中,輸入人臉圖像包含部分背景,主要差別來(lái)自于面部,在之前的學(xué)習(xí)中并沒(méi)有提到有區(qū)別對(duì)待的做法。受到通道注意機(jī)制的啟發(fā),本文通過(guò)計(jì)算特征圖中特征點(diǎn)對(duì)應(yīng)原始圖像中的位置,對(duì)對(duì)應(yīng)面部區(qū)域的特征點(diǎn)乘以一個(gè)權(quán)重系數(shù)來(lái)突出面部特征的主要作用。通過(guò)實(shí)驗(yàn)和理論分析,

4、殘差模塊其實(shí)是一個(gè)多分支的集成投票系統(tǒng),本文通過(guò)添加1×1的卷積操作增加模塊的非線性,提升系統(tǒng)的表達(dá)能力。
　　3)設(shè)計(jì)快速深度卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)框架:本文通過(guò)大量實(shí)驗(yàn)分析,設(shè)計(jì)出一個(gè)快速的深度卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)框架,通過(guò)對(duì)淺層網(wǎng)絡(luò)添加注意機(jī)制、中層網(wǎng)絡(luò)添加改進(jìn)之后的殘差模塊、使用中心損失函數(shù)作為輔助監(jiān)督信號(hào)等方法實(shí)現(xiàn)。同時(shí)本文使用中科院自動(dòng)化所發(fā)布的CASIA-Webface數(shù)據(jù)集進(jìn)行模型訓(xùn)練,并收集測(cè)試數(shù)據(jù)集進(jìn)行評(píng)測(cè),驗(yàn)證了本文設(shè)