發(fā)布時(shí)間：2021-08-11 14:40

　　智能會(huì)議室預(yù)訂系統(tǒng)可使得會(huì)議室具備可遠(yuǎn)程預(yù)約、控制、監(jiān)控等功能,有效解決傳統(tǒng)人工管理方式效率較低的問(wèn)題。其中,使用高識(shí)別準(zhǔn)確率的人臉識(shí)別技術(shù)進(jìn)行預(yù)訂者身份認(rèn)證可保證系統(tǒng)的安全性以及有效性。因此本文面向會(huì)議室預(yù)訂系統(tǒng),基于已有的深度學(xué)習(xí)人臉識(shí)別算法和網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行改進(jìn)和優(yōu)化,實(shí)現(xiàn)人臉識(shí)別的高識(shí)別率和高實(shí)時(shí)性。本文首先研究并分析了現(xiàn)有的Cosine Loss人臉識(shí)別算法,針對(duì)該算法必須使用高范數(shù)特征向量來(lái)使得網(wǎng)絡(luò)收斂而影響識(shí)別準(zhǔn)確率的問(wèn)題,深入分析了特征范數(shù)值對(duì)訓(xùn)練過(guò)程的影響,提出了一種低范數(shù)余弦損失（Low Norm Cosine Loss,LNCL）算法,在保證網(wǎng)絡(luò)收斂的條件下提高了識(shí)別率。其中,全連接層動(dòng)態(tài)篩選策略降低了網(wǎng)絡(luò)損失下界,保證了網(wǎng)絡(luò)的收斂;低范數(shù)特征向量使網(wǎng)絡(luò)能充分訓(xùn)練,提高了網(wǎng)絡(luò)的識(shí)別準(zhǔn)確率。此外,為優(yōu)化卷積神經(jīng)網(wǎng)絡(luò)的性能,改進(jìn)了ResNet卷積神經(jīng)網(wǎng)絡(luò)的參數(shù)配置,通過(guò)優(yōu)化網(wǎng)絡(luò)的全局步長(zhǎng)以及采用Elu激活函數(shù),進(jìn)一步提高了人臉識(shí)別的準(zhǔn)確率。在此基礎(chǔ)上,為了解決算法在會(huì)議室預(yù)訂系統(tǒng)中的實(shí)際應(yīng)用問(wèn)題,本文在云服務(wù)器上對(duì)LNCL算法以及優(yōu)化后的ResNet進(jìn)行了實(shí)現(xiàn),并優(yōu)化了系... 

【文章來(lái)源】：東南大學(xué)江蘇省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：92 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 人臉識(shí)別技術(shù)研究現(xiàn)狀以及發(fā)展趨勢(shì)
    1.3 本文的設(shè)計(jì)指標(biāo)與研究?jī)?nèi)容
    1.4 論文的組織結(jié)構(gòu)
第二章 基于人臉識(shí)別技術(shù)的會(huì)議室預(yù)訂系統(tǒng)介紹
    2.1 會(huì)議室預(yù)訂系統(tǒng)整體介紹
        2.1.1 會(huì)議室預(yù)訂系統(tǒng)框架與功能
        2.1.2 會(huì)議室預(yù)訂系統(tǒng)工作流程
    2.2 人臉檢測(cè)與對(duì)齊算法介紹
        2.2.1 SSH人臉檢測(cè)算法介紹
        2.2.2 人臉對(duì)齊算法介紹
    2.3 人臉識(shí)別算法介紹
        2.3.1 FaceNet人臉識(shí)別算法介紹
        2.3.2 COCO人臉識(shí)別算法介紹
    2.4 本章小結(jié)
第三章 LNCL算法與網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化
    3.1 Cosine Loss算法原理與分析
    3.2 LNCL算法提出動(dòng)機(jī)
    3.3 LNCL算法原理
        3.3.1 特征向量范數(shù)對(duì)網(wǎng)絡(luò)梯度的影響分析
        3.3.2 特征向量范數(shù)對(duì)網(wǎng)絡(luò)影響的驗(yàn)證實(shí)驗(yàn)
        3.3.3 動(dòng)態(tài)篩選策略
        3.3.4 動(dòng)態(tài)篩選策略驗(yàn)證實(shí)驗(yàn)
        3.3.5 LNCL算法流程
    3.4 ResNet網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化
        3.4.1 全局步長(zhǎng)改變
        3.4.2 激活函數(shù)替換
        3.4.3 網(wǎng)絡(luò)性能驗(yàn)證實(shí)驗(yàn)
    3.5 本章小結(jié)
第四章 面向會(huì)議室預(yù)訂系統(tǒng)的人臉識(shí)別算法實(shí)現(xiàn)
    4.1 算法實(shí)現(xiàn)的軟硬件環(huán)境
        4.1.1 硬件環(huán)境介紹
        4.1.2 LNCL算法實(shí)現(xiàn)框架選擇
    4.2 LNCL算法實(shí)現(xiàn)
    4.3 LNCL算法在會(huì)議室預(yù)訂系統(tǒng)中的應(yīng)用
    4.4 視頻傳輸優(yōu)化
    4.5 本章小結(jié)
第五章 實(shí)驗(yàn)與測(cè)試
    5.1 人臉識(shí)別算法實(shí)驗(yàn)與測(cè)試
        5.1.1 實(shí)驗(yàn)條件以及參數(shù)配置
        5.1.2 測(cè)試數(shù)據(jù)集以及測(cè)試協(xié)議
        5.1.3 實(shí)驗(yàn)結(jié)果
    5.2 系統(tǒng)響應(yīng)時(shí)間評(píng)測(cè)
    5.3 復(fù)雜場(chǎng)景下系統(tǒng)識(shí)別能力評(píng)測(cè)
    5.4 本章小結(jié)
第六章 總結(jié)和展望
    6.1 本文工作總結(jié)
    6.2 未來(lái)研究方向展望
致謝
參考文獻(xiàn)
附錄
    算法訓(xùn)練部分代碼
    系統(tǒng)身份認(rèn)證功能部分代碼
作者攻讀碩士學(xué)位期間的研究成果


【參考文獻(xiàn)】：
期刊論文
[1]基于深度學(xué)習(xí)的SPD人臉識(shí)別算法[J]. 張伊喬,黃麗蓮,周賞.  電子技術(shù)與軟件工程. 2019(11)
[2]基于視頻圖像的人臉識(shí)別與跟蹤[J]. 劉俊,王巖,韓為選.  電子技術(shù)與軟件工程. 2019(11)
[3]基于深度學(xué)習(xí)的人臉識(shí)別跟隨六足機(jī)器人[J]. 張洋溢,趙茜茜,聶焱.  科技風(fēng). 2019(14)
[4]人臉識(shí)別的技術(shù)分析及項(xiàng)目實(shí)踐[J]. 李昀,陳建,唐懷坤.  中國(guó)電信業(yè). 2019(05)

碩士論文
[1]深度人臉識(shí)別算法研究和系統(tǒng)設(shè)計(jì)[D]. 毛穎.浙江大學(xué) 2019



本文編號(hào)：3336341