<sub id="n0hly"></sub>
<sub id="n0hly"></sub>

      <small id="n0hly"><progress id="n0hly"></progress></small>

      3. <address id="n0hly"></address>
      3. 
	
        

		
		

	
        
				
			加急見(jiàn)刊
		
        
		

		
		
        
			
        
				
				
				
        
					
					
        
						
						
        基于多任務(wù)級聯(lián)CNN與三元組損失的人臉識別
        
						
        王靈珍; 賴(lài)惠成; 王睿  新疆大學(xué)信息科學(xué)與工程學(xué)院; 烏魯木齊830046
        

					
        
					
        摘要：開(kāi)源機器學(xué)習庫DLIB中的人臉檢測對齊任務(wù)的運行時(shí)間長(cháng),檢測精度不高,對于傳統CNN分類(lèi)模型特征判別能力較弱。針對以上兩點(diǎn)不足,提出了用Mtcnn代替DLIB做人臉檢測,并且以L(fǎng)2損失與三元組損失相結合的總損失函數來(lái)訓練卷積神經(jīng)網(wǎng)絡(luò )。首先,將公開(kāi)的海量人臉數據集做人臉對齊;然后,以總損失函數作為監督信號來(lái)完成BP前向傳播,使得類(lèi)內距離小,類(lèi)間距離大,提高模型的特征辨識能力;最后,對人臉特征進(jìn)行Embedding,由高維度映射到低維度,減少參數量,減少計算量與存儲空間,提高識別率。實(shí)驗表明,進(jìn)行人臉檢測對齊的測試集比沒(méi)有進(jìn)行此過(guò)程的識別率要高1%左右,且人臉識別模型通過(guò)度量學(xué)習使特征更具有區分能力。在LFW標準測試集上取得了較高識別率,在自己創(chuàng  )建的人臉圖片上成功驗證了該算法的度量學(xué)習的性能。
        
					
        注: 保護知識產(chǎn)權,如需閱讀全文請聯(lián)系激光雜志社
        
				
        
				

			
        
		
        

		
		

	
        

	
	
	
	
	
	
	
	


亚欧成人中文字幕一区-日韩影音先锋AV乱伦小说-成人精品久久一区二区-成人美女视频在线观看

        <sub id="n0hly"></sub>
        <sub id="n0hly"></sub>
        

          <small id="n0hly"><progress id="n0hly"></progress></small>
          3. 

          <address id="n0hly"></address>
          3.