人臉識別技術是一種依靠人的臉部特征信息來進行身份識別的生物識別技術,由于其直觀、可靠和穩(wěn)定等優(yōu)點,在身份認證場景、證件驗證場景和人臉檢索場景等多個場景下都有廣泛的應用。國內(nèi)外學者提出了許多的人臉識別算法,但當前的人臉識別算法依舊存在兩個方面的問題:一方面人臉識別算法在部分公開數(shù)據(jù)集上的識別率仍然較低;另一方面當下主流的人臉識別算法大多使用卷積神經(jīng)網(wǎng)路作為特征提取模塊,卷積神經(jīng)網(wǎng)絡的使用會造成了人臉識別算法的訓練時間過長。本文充分調(diào)研了大量關于卷積神經(jīng)網(wǎng)絡和人臉識別領域的論文和報告,做了如下工作:(1)通過對人臉識別網(wǎng)絡Sphereface20中特征提取、激活函數(shù)和損失函數(shù)等方面的分析,本文運用SE-Res Net模塊、Swish激活函數(shù)對原網(wǎng)絡進行了優(yōu)化,得到了人臉識別網(wǎng)絡SERes Net-20。SE-Res Net-20網(wǎng)絡中SE-Res Net模塊的使用提升了人臉圖像特征提取的效果,Swish激活函數(shù)的使用提高了網(wǎng)絡的非線性擬合能力。最終使用CASIA-Webface數(shù)據(jù)集進行訓練后,SE-Res Net-20網(wǎng)絡在LFW數(shù)據(jù)集和Mega Face數(shù)據(jù)集上的識別率分別為99.37...

【文章頁數(shù)】：67 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 課題研究背景及意義
    1.2 課題相關領域的發(fā)展現(xiàn)狀
    1.3 論文主要研究內(nèi)容
    1.4 論文的組織結(jié)構(gòu)
    1.5 本章小結(jié)
第2章 卷積神經(jīng)網(wǎng)絡的理論基礎介紹
    2.1 卷積神經(jīng)網(wǎng)絡概述
        2.1.1 卷積神經(jīng)網(wǎng)絡訓練的基本步驟
        2.1.2 局部感知和權值共享
    2.2 卷積神經(jīng)網(wǎng)絡歷史發(fā)展
    2.3 卷積神經(jīng)網(wǎng)絡的基本結(jié)構(gòu)
        2.3.1 卷積層
        2.3.2 池化層
        2.3.3 全連接層
        2.3.4 激活函數(shù)
    2.4 卷積神經(jīng)網(wǎng)絡的結(jié)構(gòu)改進和訓練優(yōu)化
        2.4.1 數(shù)據(jù)增強和數(shù)據(jù)預處理
        2.4.2 權重初始化和學習率設定
        2.4.3 隨機失活
        2.4.4 歸一化處理
    2.5 本章小結(jié)
第3章人臉識別算法SE-Res Net-20
    3.1 常用的人臉數(shù)據(jù)集
        3.1.1 CASIA-WebFace數(shù)據(jù)集
        3.1.2 LFW數(shù)據(jù)集
        3.1.3 MegaFace數(shù)據(jù)集
    3.2 人臉檢測算法MTCNN
    3.3 人臉識別算法Sphereface
        3.3.1 Sphereface網(wǎng)絡結(jié)構(gòu)
        3.3.2 A-Softmax損失函數(shù)
    3.4 本文設計的人臉識別算法SE-ResNet-20
        3.4.1 SE-ResNet-20 的算法流程
        3.4.2 特征提取網(wǎng)絡設計
            3.4.2.1 SE-ResNet模塊
            3.4.2.2 Swish激活函數(shù)
            3.4.2.3 SE-ResNet-20 的特征提取模塊
    3.5 本章實驗分析
        3.5.1 實驗環(huán)境
        3.5.2 圖像預處理
        3.5.3 訓練步驟
        3.5.4 測試結(jié)果及分析
    3.6 本章小結(jié)
第4章 卷積神經(jīng)網(wǎng)絡訓練優(yōu)化
    4.1 分布式卷積神經(jīng)網(wǎng)絡訓練概述
    4.2 基于同步隨機梯度下降法的CaffeOnSpark
    4.3 本文設計的卷積神經(jīng)網(wǎng)絡訓練方法
    4.4 本章實驗分析
        4.4.1 SE-ResNet-20 算法的分布式訓練
        4.4.2 實驗環(huán)境
        4.4.3 實驗結(jié)果及分析
    4.5 本章小結(jié)
第5章 人臉識別系統(tǒng)的設計及實現(xiàn)
    5.1 系統(tǒng)需求分析
    5.2 系統(tǒng)總體結(jié)構(gòu)設計
    5.3 系統(tǒng)子模塊的功能設計與實現(xiàn)
        5.3.1 圖像采集模塊
        5.3.2 人臉檢測模塊
        5.3.3 圖像預處理模塊
        5.3.4 人臉識別模塊
        5.3.5 系統(tǒng)管理模塊
    5.4 系統(tǒng)測試與分析
        5.4.1 系統(tǒng)功能測試
            5.4.1.1 圖像采集模塊測試
            5.4.1.2 人臉檢測模塊測試
            5.4.1.3 預處理模塊測試
            5.4.1.4 人臉識別模塊測試
            5.4.1.5 系統(tǒng)管理模塊測試
        5.4.2 人臉識別率測試
        5.4.3 多光照人臉測試
        5.4.4 多角度人臉測試
    5.5 本章小結(jié)
第6章 總結(jié)與展望
    6.1 本文工作總結(jié)
    6.2 未來展望
致謝
參考文獻
附錄



本文編號：3734840