在海量信息中精準定位并關(guān)注所需的關(guān)鍵信息，可以借鑒從選擇性視覺注意力機制到深度學(xué)習(xí)中注意力機制的擴展理念。為了在不同光照、姿態(tài)、表情、年齡、模糊度及采集角度等各種復(fù)雜環(huán)境下提升人臉識別的準確性，文章提出基于深度卷積神經(jīng)網(wǎng)絡(luò)的人臉識別方法。該方法特別針對動態(tài)表情、光照變化和多場景下的識別難題，通過引入混合注意力機制，充分提取人臉圖像的關(guān)鍵特征區(qū)域，使網(wǎng)絡(luò)能夠自動減少對冗余信息的關(guān)注，強化對有效特征的學(xué)習(xí)能力。此外，通過全局平均池化處理網(wǎng)絡(luò)提取的高維語義特征，有效控制網(wǎng)絡(luò)參數(shù)規(guī)模，防止模型對訓(xùn)練數(shù)據(jù)的過擬合，從而實現(xiàn)高效的人臉識別。

【文章頁數(shù)】：4 頁

【文章目錄】：
1基本理念
    1.1混合注意力機制
    1.2常規(guī)卷積和深度可分離卷積
    1.3全局平均池化
2圖像采集與特征預(yù)處理
    2.1圖像采集
    2.2圖像特征預(yù)處理
    2.3卷積神經(jīng)網(wǎng)特征預(yù)處理能力
3結(jié)果與分析
    3.1數(shù)據(jù)集
    3.2選擇語言和配置環(huán)境
    3.3評價指標(biāo)
    3.4模型優(yōu)化
4結(jié)語



本文編號：4038142