人臉認(rèn)證是當(dāng)今模式識別與計(jì)算機(jī)視覺學(xué)術(shù)界和工業(yè)界的熱門研究主題之一,在安防、金融、軍事、交通、商務(wù)等領(lǐng)域均有廣泛的應(yīng)用前景。隨著深度學(xué)習(xí)的飛速發(fā)展和數(shù)據(jù)量的日益提升,計(jì)算機(jī)的人臉識別能力在一定程度上已經(jīng)超過了人類水平,目前正在向百萬分之一甚至是億分之一的誤識率發(fā)展。在人臉認(rèn)證模型的性能如此高的現(xiàn)在,如何能百尺竿頭更進(jìn)一步,更好地利用深度學(xué)習(xí)技術(shù)來進(jìn)一步提升人臉認(rèn)證模型的性能是如今的一大難題。損失函數(shù)是控制整個(gè)深度神經(jīng)網(wǎng)絡(luò)訓(xùn)練的中樞,本學(xué)位論文將深入探究深度學(xué)習(xí)中損失函數(shù)的機(jī)理,并把之前廣泛用于通用圖像識別的損失函數(shù)和多種用于度量學(xué)習(xí)的損失函數(shù)改造得更加適合人臉認(rèn)證模型的訓(xùn)練。本學(xué)位論文的研究內(nèi)容主要分為以下幾點(diǎn):1.在神經(jīng)網(wǎng)絡(luò)中進(jìn)行L₂超球面嵌入。在通用圖像識別中最常用的Softmax交叉熵?fù)p失函數(shù)所優(yōu)化的是內(nèi)積相似度,而在人臉認(rèn)證模型的測試過程中,使用的卻是余弦相似度。為了使訓(xùn)練與測試過程保持一致,需要在訓(xùn)練過程中引入向量歸一化的步驟。本文通過分析Softmax損失函數(shù)的性質(zhì),發(fā)現(xiàn)了Softmax對特征幅度的過度優(yōu)化現(xiàn)象,從而論證了使用余弦相似性度量的必要性。然... 

【文章來源】：電子科技大學(xué)四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：122 頁

【學(xué)位級別】：博士

【部分圖文】：

Nesterov加速梯度下降法的梯度下降方向示意圖


本文編號：2908167