隨著經(jīng)濟(jì)和科技的高速發(fā)展,人臉檢測(cè)和屬性識(shí)別算法普遍運(yùn)用于金融、教育、安防、電子政務(wù)等場(chǎng)景中,為眾多企業(yè)創(chuàng)造了收益。而檢測(cè)和屬性識(shí)別作為人臉?biāo)惴ǖ膬蓚�(gè)核心研究方向,因當(dāng)下的人工智能的發(fā)展形勢(shì)火熱再次被大家重視起來(lái)。人工智能技術(shù)作為國(guó)家的發(fā)展戰(zhàn)略,已經(jīng)寫(xiě)入了國(guó)家未來(lái)的發(fā)展藍(lán)圖中,因此作為更容易實(shí)現(xiàn)的人臉?biāo)惴ǔ蔀楫?dāng)前許多學(xué)者和企業(yè)家爭(zhēng)先開(kāi)發(fā)的領(lǐng)域。然而考慮到復(fù)雜的場(chǎng)景、實(shí)時(shí)性和準(zhǔn)確度等方面的需求,目前人臉檢測(cè)和屬性識(shí)別算法還值得深入研究。本文主要研究基于神經(jīng)網(wǎng)絡(luò)的人臉檢測(cè)和屬性識(shí)別技術(shù)。首先,描述人臉檢測(cè)和屬性識(shí)別算法的基礎(chǔ)原理;介紹卷積神經(jīng)網(wǎng)絡(luò)的思想;介紹MTCNN、SSH、SFD三個(gè)人臉檢測(cè)技術(shù);介紹前后端實(shí)現(xiàn)的關(guān)鍵技術(shù)。其次,完成了系統(tǒng)設(shè)計(jì)和實(shí)現(xiàn)。第一,設(shè)定數(shù)據(jù)標(biāo)注標(biāo)準(zhǔn),收集數(shù)據(jù)并對(duì)數(shù)據(jù)使用清晰度算法進(jìn)行評(píng)價(jià),訓(xùn)練模型并將模型保存。第二,運(yùn)用tornado后端框架開(kāi)發(fā)人臉管理系統(tǒng),并將之前訓(xùn)練好的模型放在后臺(tái),以供調(diào)用。使用opencv和深度學(xué)習(xí)框架實(shí)現(xiàn)人臉?biāo)惴?并封裝成類(lèi),為前端提供API。同時(shí)使用mongodb數(shù)據(jù)庫(kù)管理數(shù)據(jù),如賬戶(hù)信息等,文檔性數(shù)據(jù)庫(kù)易于使用。第三,開(kāi)發(fā)出微信小... 

【文章來(lái)源】：首都經(jīng)濟(jì)貿(mào)易大學(xué)北京市

【文章頁(yè)數(shù)】：82 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

感受野概念圖

權(quán)值共享圖

首都經(jīng)濟(jì)貿(mào)易大學(xué)碩士學(xué)位論文7圖2.2權(quán)值共享圖2.2.4池化池化函數(shù)可以逐漸降低輸入的空間尺度。特別地，池化使輸入變得更小，使網(wǎng)絡(luò)對(duì)于輸入保持不變性，因?yàn)槲覀冊(cè)诰植苦徲蛑惺褂昧俗畲蠡?平均值的操作，幫助我們獲取圖像最大程度上的尺度不變性，池化層的作用:1）保存關(guān)鍵的表征信息2）減少參數(shù)，因而計(jì)算量更小，對(duì)GPU資源的調(diào)度更小3）避免過(guò)擬合圖2.3池化計(jì)算圖

【參考文獻(xiàn)】：
期刊論文
[1]多任務(wù)及Resnet網(wǎng)絡(luò)在人臉多屬性識(shí)別中的應(yīng)用[J]. 徐培超,陳雯柏,陳祥鳳,韓琥.  小型微型計(jì)算機(jī)系統(tǒng). 2018(12)
[2]基于級(jí)聯(lián)框架的人臉關(guān)鍵點(diǎn)檢測(cè)算法改進(jìn)[J]. 趙大鵬,顧益軍,袁麗欣.  軟件導(dǎo)刊. 2018(11)
[3]基于卷積神經(jīng)網(wǎng)絡(luò)的圖像分類(lèi)研究[J]. 葛程,孫國(guó)強(qiáng).  軟件導(dǎo)刊. 2018(10)
[4]基于深度學(xué)習(xí)的圖像分類(lèi)方法[J]. 許少尉,陳思宇.  電子技術(shù)應(yīng)用. 2018(06)
[5]基于字典學(xué)習(xí)的圖像去噪研究[J]. 程春燕.  電腦知識(shí)與技術(shù). 2018(02)
[6]基于SSD的行人檢測(cè)方法[J]. 朱敏.  科學(xué)技術(shù)創(chuàng)新. 2017(36)
[7]基于深度學(xué)習(xí)與隨機(jī)森林的人臉年齡與性別分類(lèi)研究[J]. 董蘭芳,張軍挺.  計(jì)算機(jī)工程. 2018(05)
[8]基于Bootstrap的響應(yīng)式網(wǎng)頁(yè)設(shè)計(jì)中斷點(diǎn)研究[J]. 李慕,趙彤洲,周萍.  軟件導(dǎo)刊. 2017(04)
[9]基于深度學(xué)習(xí)的人體行為識(shí)別研究[J]. 遲元峰,顧敏.  工業(yè)控制計(jì)算機(jī). 2017(01)
[10]探討動(dòng)態(tài)軟件測(cè)試中的白盒及黑盒測(cè)試[J]. 祁俊勝.  信息通信. 2015(09)

碩士論文
[1]基于級(jí)聯(lián)卷積神經(jīng)網(wǎng)絡(luò)的人臉關(guān)鍵點(diǎn)檢測(cè)算法[D]. 靳一凡.浙江大學(xué) 2015



本文編號(hào)：3030629