隨著人工智能的迅速發(fā)展,人臉識別在計(jì)算機(jī)視覺領(lǐng)域備受關(guān)注,同時(shí)人臉識別在智能安防、公共應(yīng)用和金融安全等眾多領(lǐng)域也都有著優(yōu)秀的表現(xiàn)。而近年來移動(dòng)設(shè)備的快速發(fā)展和普及,人臉識別技術(shù)被廣泛應(yīng)用在移動(dòng)設(shè)備端,得益于人臉識別技術(shù)的飛快發(fā)展,許多研究人員將它視為研究方向,并獲得了非常優(yōu)秀的研究成果。隨著技術(shù)的進(jìn)一步發(fā)展,人臉識別在未來也會(huì)有更大的應(yīng)用前景和發(fā)展空間。隨著問題規(guī)模和復(fù)雜度的增加,為了獲得更高的識別精度,網(wǎng)絡(luò)模型的深度和體積也在成倍的增長,但是受限于移動(dòng)設(shè)備在計(jì)算能力、存儲(chǔ)空間等諸多方面的約束,很難將計(jì)算復(fù)雜、體積龐大的網(wǎng)絡(luò)模型移植到移動(dòng)設(shè)備端。因此本文的主要目的是設(shè)計(jì)實(shí)現(xiàn)識別精度高、模型體積小、運(yùn)行速度快的輕量化人臉識別模型。本文的研究內(nèi)容和成果如下:在對深度學(xué)習(xí)理論和當(dāng)前表現(xiàn)優(yōu)異的輕量級人臉識別模型進(jìn)行了充分的研究了解之后,本文在對現(xiàn)有模型進(jìn)行改進(jìn)的基礎(chǔ)上提出了SE-MobileFaceNet。在繼承原模型優(yōu)點(diǎn)的基礎(chǔ)上,在網(wǎng)絡(luò)中嵌入了SE模塊,通過學(xué)習(xí)的方式來自動(dòng)獲取到每個(gè)特征通道的重要程度,提升有用的通道特征并抑制不重要的通道特征,從而提高人臉識別精度。模型在訓(xùn)練階段,引入Sof... 

【文章頁數(shù)】：68 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究背景
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 研究內(nèi)容及意義
    1.4 論文的組織結(jié)構(gòu)
第2章 相關(guān)技術(shù)研究
    2.0 神經(jīng)網(wǎng)絡(luò)基礎(chǔ)
    2.1 人臉檢測
    2.2 人臉識別
    2.3 模型壓縮
    2.4 本章小結(jié)
第3章 基于MobileFaceNet改進(jìn)的移動(dòng)端人臉識別模型
    3.1 問題描述
    3.2 基本思想
    3.3 網(wǎng)絡(luò)結(jié)構(gòu)改進(jìn)
        3.3.1 MobileFaceNet網(wǎng)絡(luò)模型
        3.3.2 基于自適應(yīng)學(xué)習(xí)特征權(quán)重的改進(jìn)
    3.4 網(wǎng)絡(luò)剪枝
        3.4.1 剪枝思路
        3.4.2 基于泰勒展開式的剪枝標(biāo)準(zhǔn)
    3.5 實(shí)驗(yàn)結(jié)果與分析
        3.5.1 相關(guān)數(shù)據(jù)集與實(shí)驗(yàn)環(huán)境
        3.5.2 輕量化網(wǎng)絡(luò)訓(xùn)練實(shí)驗(yàn)
        3.5.3 模型壓縮相關(guān)實(shí)驗(yàn)
    3.6 本章小結(jié)
第4章 基于移動(dòng)端的人臉識別系統(tǒng)的實(shí)現(xiàn)
    4.1 系統(tǒng)目標(biāo)
    4.2 系統(tǒng)總體設(shè)計(jì)
    4.3 系統(tǒng)開發(fā)環(huán)境
    4.4 功能模塊設(shè)計(jì)
        4.4.1 人臉采集模塊
        4.4.2 人臉檢測與預(yù)處理模型
        4.4.3 特征提取模塊
        4.4.4 文件管理模塊
        4.4.5 人臉識別模塊
    4.5 本章小結(jié)
第5章 系統(tǒng)應(yīng)用與測試
    5.1 測試概述
    5.2 功能測試
    5.3 性能測試
    5.4 本章小結(jié)
第6章 總結(jié)與展望
    6.1 論文總結(jié)
    6.2 未來展望
參考文獻(xiàn)
致謝


【參考文獻(xiàn)】：
期刊論文
[1]用于圖象識別的圖象代數(shù)特征抽取[J]. 洪子泉,楊靜宇.  自動(dòng)化學(xué)報(bào). 1992(02)



本文編號：3672756