基于多任務級聯CNN與三元組損失的人臉識別
摘要：開源機器學習庫DLIB中的人臉檢測對齊任務的運行時間長,檢測精度不高,對于傳統CNN分類模型特征判別能力較弱。針對以上兩點不足,提出了用Mtcnn代替DLIB做人臉檢測,并且以L2損失與三元組損失相結合的總損失函數來訓練卷積神經網絡。首先,將公開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完成BP前向傳播,使得類內距離小,類間距離大,提高模型的特征辨識能力;最后,對人臉特征進行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。實驗表明,進行人臉檢測對齊的測試集比沒有進行此過程的識別率要高1%左右,且人臉識別模型通過度量學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,在自己創建的人臉圖片上成功驗證了該算法的度量學習的性能。
注: 保護知識產權,如需閱讀全文請聯系激光雜志社
相關推薦
更多
