近年來(lái),隨著計(jì)算機(jī)視覺與機(jī)器學(xué)習(xí)技術(shù)的發(fā)展,人臉識(shí)別技術(shù)也取得了長(zhǎng)足的進(jìn)步,在許多領(lǐng)域展現(xiàn)出其應(yīng)用價(jià)值。人臉特征提取與相似度比對(duì)作為人臉識(shí)別中的兩個(gè)重要技術(shù)環(huán)節(jié),對(duì)人臉識(shí)別的準(zhǔn)確率有著重大的影響�；谏疃葘W(xué)習(xí)的人臉特征提取方法需要標(biāo)注海量人臉樣本,標(biāo)注成本高,并且對(duì)于低分辨率人臉圖像適應(yīng)性不佳。度量學(xué)習(xí)是相似度比對(duì)中的一種重要方法,現(xiàn)有的相度量學(xué)習(xí)方法存在著區(qū)分力不足,優(yōu)化步驟復(fù)雜以及計(jì)算不魯棒的問題。針對(duì)這些問題,本文展開了一系列面向人臉識(shí)別中特征提取與度量學(xué)習(xí)方法的研究。針對(duì)當(dāng)前度量學(xué)習(xí)方法中存在的區(qū)分力不足的問題,本文提出一種級(jí)聯(lián)-集成式度量學(xué)習(xí)方法。該方法通過級(jí)聯(lián)式度量學(xué)習(xí)增強(qiáng)距離度量的區(qū)分能力,并借助集成學(xué)習(xí)的思想防止過擬合。在每一次級(jí)聯(lián)過程中對(duì)輸入特征按特征維度進(jìn)行隨機(jī)打亂和分組,每組單獨(dú)進(jìn)行度量學(xué)習(xí),最后集成所有學(xué)習(xí)到的距離度量,從而在過擬合和欠擬合中取得平衡。針對(duì)目前一些度量學(xué)習(xí)方法中的計(jì)算不魯棒的問題,本文提出一種魯棒度量學(xué)習(xí)算法,該方法有近似閉式解,對(duì)大、小數(shù)據(jù)集都有良好適用性。針對(duì)基于深度學(xué)習(xí)的特征提取方法需要標(biāo)注大量訓(xùn)練樣本的問題,本文提出一種基于特征解耦的小樣本...

【文章頁(yè)數(shù)】：93 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖1-1人臉識(shí)別在各個(gè)領(lǐng)域中的應(yīng)用

（a）安防領(lǐng)域（“人-證-票”合一）（b）金融領(lǐng)域（支付寶）（c）娛樂領(lǐng)域圖1-1人臉識(shí)別在各個(gè)領(lǐng)域中的應(yīng)用（2）金融領(lǐng)域人臉識(shí)別在金融領(lǐng)域也有著重要的應(yīng)用。金融機(jī)構(gòu)中短信驗(yàn)證、銀行卡綁定、實(shí)名認(rèn)證等常常需要用到人臉比對(duì)。傳統(tǒng)上一般是人工通過肉眼進(jìn)行相關(guān)比對(duì)工作。人工操作....

圖1-2人臉識(shí)別流程圖

圖1-2人臉識(shí)別流程圖研究人臉識(shí)別中1比1問題。人臉識(shí)別中的1比1問題主要包括兩個(gè)子問題：人臉特征提取和相似度比對(duì)。本文的研究?jī)?nèi)容對(duì)這兩個(gè)方向均有涉及。1.2國(guó)內(nèi)外研究現(xiàn)狀如前所述，人臉特征提取和相似度比對(duì)是人臉識(shí)別中的兩個(gè)重要的子問題，下面本文針對(duì)人臉特征....

圖1-3tripletloss示意圖

圖1-3tripletloss示意圖雖然Tripletloss借助度量學(xué)習(xí)的思想可以增強(qiáng)特征的區(qū)分性，但是當(dāng)人臉樣本數(shù)增加，潛在的三元組數(shù)量巨大，而構(gòu)建三元組也需要復(fù)雜的采樣過程。此外采樣會(huì)帶來(lái)隨機(jī)的干擾，對(duì)算法的魯棒性有一定的影響。針對(duì)這些問題，Wen等人[25....

圖1-4centerloss示意圖

圖1-3tripletloss示意圖Tripletloss借助度量學(xué)習(xí)的思想可以增強(qiáng)特征的區(qū)分性，但是當(dāng)人臉在的三元組數(shù)量巨大，而構(gòu)建三元組也需要復(fù)雜的采樣過程。此外采干擾，對(duì)算法的魯棒性有一定的影響。針對(duì)這些問題，Wen等人[25]提出構(gòu)建三元組就可以得到具有內(nèi)....

本文編號(hào)：4026612