人臉是每個(gè)人最直接的一種外在表示,也是最自然的一種生物特征。人臉識(shí)別就是利用人的臉部特征信息對(duì)個(gè)體進(jìn)行身份識(shí)別認(rèn)證的生物識(shí)別技術(shù)。隨著科技文明的發(fā)展,人臉識(shí)別技術(shù)被運(yùn)用到了生活中的方方面面,給人類世界帶來(lái)了極大的便利。而人證識(shí)別就是人臉識(shí)別中的一個(gè)具體應(yīng)用,是使用自然拍攝的圖片與系統(tǒng)注冊(cè)的證件照進(jìn)行比對(duì)的識(shí)別技術(shù);它與正常的人臉識(shí)別有著相同之處,又有著細(xì)微的差別。在人臉識(shí)別的過(guò)程中,往往伴隨著人臉屬性分析,即通過(guò)算法分析得到該人臉的相應(yīng)屬性,比如,性別,年齡,表情等;這些屬性有助于我們?cè)趯?shí)際場(chǎng)景中做進(jìn)一步的判斷和應(yīng)用。近些年來(lái),深度卷積神經(jīng)網(wǎng)絡(luò)在計(jì)算機(jī)視覺(jué)領(lǐng)域被廣泛應(yīng)用,極大地提高了分類問(wèn)題的準(zhǔn)確率。研究者們主要圍繞著如何搭建更深的模型,獲取更多的數(shù)據(jù)、設(shè)計(jì)更好的優(yōu)化函數(shù)展開(kāi)研究,從而得到更具表達(dá)性的深度特征。在卷積神經(jīng)網(wǎng)絡(luò)中,我們通常采用Softmax損失函數(shù)來(lái)監(jiān)督網(wǎng)絡(luò)的訓(xùn)練過(guò)程,最后將Softmax損失函數(shù)的前一層網(wǎng)絡(luò)輸出結(jié)果作為特征進(jìn)行使用。為了讓網(wǎng)絡(luò)學(xué)習(xí)到更有區(qū)分度的人臉特征,本文圍繞網(wǎng)絡(luò)結(jié)構(gòu)的設(shè)計(jì)、損失函數(shù)的優(yōu)化、多任務(wù)學(xué)習(xí)等方面進(jìn)行探索,主要研究?jī)?nèi)容如下:首先,本文對(duì)Sof... 

【文章來(lái)源】：深圳大學(xué)廣東省

【文章頁(yè)數(shù)】：57 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

函數(shù)曲線當(dāng)k值越大時(shí)，函數(shù)f()的斜率越大，更新的梯度也越大，這樣網(wǎng)絡(luò)會(huì)更

基于深度卷積神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別與屬性分析NIST 手寫數(shù)字識(shí)別的 Mini 實(shí)驗(yàn).2 節(jié)中改進(jìn)的 Softmax 損失函數(shù)用 MNIST[58]手寫數(shù)字[30]網(wǎng)絡(luò)將特征進(jìn)行可視化，對(duì)比了不同參數(shù)設(shè)置對(duì)結(jié)據(jù)庫(kù)是常用的手寫數(shù)字?jǐn)?shù)據(jù)庫(kù)，它總共有 10 種類型的圖片；可以分為訓(xùn)練集和測(cè)試集兩部分，訓(xùn)練集有 6 萬(wàn)張，每張圖片的大小為 28x28，圖 2 中的 a、b 分別是

基于深度卷積神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別與屬性分析視化對(duì)比實(shí)驗(yàn)首先使用 LeNets++網(wǎng)絡(luò)和傳統(tǒng)的 Softmax 損失函數(shù)對(duì) MNIST 訓(xùn)驗(yàn)所在平臺(tái)是 Ubuntu16.04，所使用的深度學(xué)習(xí)工具是 Pytorch一塊 NVIDIA Tesla P100 GPU 進(jìn)行實(shí)驗(yàn)，網(wǎng)絡(luò)的初始學(xué)習(xí)率為 0.01練的圖片數(shù)量為 256，當(dāng)?shù)?xùn)練到 10000 和 15000 次時(shí)將學(xué)習(xí)率終當(dāng)?shù)螖?shù)達(dá)到 20000 次時(shí)停止訓(xùn)練。接著將 MNIST 測(cè)試集網(wǎng)絡(luò)中，輸出 2 維的特征，最后將 2 維特征在平面坐標(biāo)系中畫出所示的特征分布圖，不同顏色代表著不同的數(shù)字類別。


本文編號(hào)：3315575