現(xiàn)在許多基于深度學(xué)習(xí)的人臉識別算法已經(jīng)在現(xiàn)實生活中得到了廣泛的應(yīng)用,但是這些人臉識別的算法大多數(shù)需要待識別的人臉具有比較正面的姿態(tài),如果人臉的姿態(tài)比較歪或者是整個側(cè)面人臉,則會導(dǎo)致人臉識別錯誤率大大提高,甚至導(dǎo)致人臉識別系統(tǒng)的崩潰。于是頭部姿態(tài)影響人臉識別系統(tǒng)的無法正常運轉(zhuǎn)的問題變成了亟待解決的問題。國內(nèi)外的許多研究者也開始慢慢的研究姿態(tài)對于人臉識別的影響,研究的解決辦法主要分兩大類,一種是通過學(xué)習(xí)一個對姿態(tài)具有魯棒性的卷積神經(jīng)網(wǎng)絡(luò),另一種通過生成對抗網(wǎng)絡(luò)的方法進(jìn)行人臉正面標(biāo)準(zhǔn)化的過程。本文提出的方法是一種漸進(jìn)式姿態(tài)歸一化生成對抗網(wǎng)絡(luò)的人臉合成算法(PPN-GAN),與其他的合成算法相比,本算法合成的圖像具有更高的質(zhì)量,合成之后的人臉識別也具有更高的精度。由于其他的合成算法都是一步法,不管側(cè)面人臉的角度有多大,通過設(shè)計不同的生成對抗網(wǎng)絡(luò)及損失函數(shù),將這些側(cè)面人臉直接合成正面人臉。本文提出的算法則是多步法,通過漸進(jìn)式的生成策略,逐漸的將側(cè)面人臉合成正面人臉。因為將側(cè)面人臉合成正面人臉的這個問題,本身就是一個病態(tài)的問題,是一個逆問題,由于側(cè)面人臉到正面人臉的信息丟失太多,導(dǎo)致很難一步直接從...

【文章頁數(shù)】：59 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景與意義
    1.2 研究現(xiàn)狀
        1.2.1 人臉識別研究現(xiàn)狀
        1.2.2 多姿態(tài)人臉識別研究現(xiàn)狀
    1.3 研究內(nèi)容
    1.4 論文組織結(jié)構(gòu)
第二章 相關(guān)理論基礎(chǔ)
    2.1 人臉識別算法
        2.1.1 人臉識別流程
    2.2 卷積神經(jīng)網(wǎng)絡(luò)
        2.2.1 卷積神經(jīng)網(wǎng)絡(luò)的特點
        2.2.2 卷積神經(jīng)網(wǎng)絡(luò)的組成
        2.2.3 經(jīng)典的卷積神經(jīng)網(wǎng)絡(luò)
    2.3 生成對抗網(wǎng)絡(luò)
        2.3.1 生成模型與判別模型
        2.3.2 生成對抗網(wǎng)絡(luò)的原理
        2.3.3 生成對抗網(wǎng)絡(luò)的目標(biāo)函數(shù)
        2.3.4 經(jīng)典生成對抗網(wǎng)絡(luò)結(jié)構(gòu)
    2.4 本章小結(jié)
第三章 漸進(jìn)式姿態(tài)歸一化生成對抗網(wǎng)絡(luò)的人臉合成
    3.1 引言
    3.2 漸進(jìn)式姿態(tài)歸一化生成對抗網(wǎng)絡(luò)的人臉合成算法
        3.2.1 雙通道生成對抗網(wǎng)絡(luò)
        3.2.2 漸進(jìn)式生成算法
        3.2.3 PPN-GAN中的損失函數(shù)
        3.2.4 PPN-GAN中的姿態(tài)路由算法
    3.3 實驗
        3.3.1 實驗數(shù)據(jù)集簡介
        3.3.2 PPN-GAN在Multi-PIE上的人臉合成
        3.3.3 PPN-GAN跨數(shù)據(jù)集的人臉合成
    3.4 本章小結(jié)
第四章 基于PPN-GAN合成圖像的人臉識別
    4.1 引言
    4.2 合成圖像的人臉識別
        4.2.1 基于Light-CNN的人臉識別
        4.2.2 同類合成算法合成之后人臉識別的比較
        4.2.3 不同人臉識別算法在合成圖像與原始圖像之間的比較
    4.3 算法分析
    4.4 姿態(tài)路由分析
    4.5 特征可視化
    4.6 本章小結(jié)
第五章 總結(jié)與展望
    5.1 本文總結(jié)
    5.2 展望
參考文獻(xiàn)
攻讀碩士期間發(fā)表的論文
致謝



本文編號：3836258