異質(zhì)人臉識(shí)別理論與方法研究
發(fā)布時(shí)間:2017-12-21 05:12
本文關(guān)鍵詞:異質(zhì)人臉識(shí)別理論與方法研究 出處:《哈爾濱理工大學(xué)》2017年碩士論文 論文類型:學(xué)位論文
更多相關(guān)文章: 異質(zhì)人臉識(shí)別 深度學(xué)習(xí) 卷積神經(jīng)網(wǎng)絡(luò) 遷移學(xué)習(xí)
【摘要】:人臉識(shí)別作為生物特征識(shí)別的一種,因其非接觸和非強(qiáng)制的特點(diǎn),在支付、安防、門禁等各種身份認(rèn)證系統(tǒng)中具有重要應(yīng)用。人臉識(shí)別不需要識(shí)別對(duì)象的主動(dòng)配合,因此應(yīng)用十分方便,且準(zhǔn)確性較高,發(fā)展和應(yīng)用前景廣闊。隨著特定應(yīng)用場(chǎng)景的逐漸顯現(xiàn),待匹配的人臉圖像將來(lái)源于普通照相機(jī)以外的其他模態(tài),如素描圖、近紅外圖像、三維人臉數(shù)據(jù)、熱紅外圖像、低分辨率圖像等,而注冊(cè)庫(kù)中的人臉圖像常常是在可見(jiàn)光模態(tài)下獲取的。非可見(jiàn)光模態(tài)的人臉圖像與可見(jiàn)光模態(tài)人臉圖像的匹配過(guò)程,稱為異質(zhì)人臉識(shí)別,成為本文的主要研究任務(wù)。異質(zhì)人臉識(shí)別算法有兩大瓶頸,其一是模態(tài)間不同的數(shù)據(jù)分布使得它們的特征空間存在較大的鴻溝,從而使傳統(tǒng)的識(shí)別算法失效;其二是現(xiàn)存的異質(zhì)人臉圖像數(shù)據(jù)庫(kù)數(shù)據(jù)量非常有限,易使機(jī)器學(xué)習(xí)算法,尤其是當(dāng)前性能較好的深度學(xué)習(xí)算法產(chǎn)生很大程度的過(guò)擬合問(wèn)題。針對(duì)這兩個(gè)難題,本文提出了以下方法:本文提出了一種深度遷移學(xué)習(xí)方法來(lái)解決異質(zhì)人臉識(shí)別中的模態(tài)差異及過(guò)擬合問(wèn)題。首先,本文使用了一種基于序級(jí)測(cè)量方法的深度遷移卷積神經(jīng)網(wǎng)絡(luò)(CNN),序級(jí)激活函數(shù)MFM(Max-Feature-Map)潛在地增強(qiáng)了CNN對(duì)異質(zhì)變化的魯棒性;其次,利用大規(guī)模的可見(jiàn)光人臉數(shù)據(jù)庫(kù)對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)訓(xùn)練,使得神經(jīng)網(wǎng)絡(luò)能夠提取一般的人臉特征,為異質(zhì)數(shù)據(jù)的訓(xùn)練提供先驗(yàn);最后,用可見(jiàn)光和近紅外域的照片來(lái)精調(diào)預(yù)訓(xùn)練好的深度模型:為了增大訓(xùn)練數(shù)據(jù),采取了一種三元組的策略將來(lái)自可見(jiàn)光域和非可見(jiàn)光域的人臉數(shù)據(jù)進(jìn)行配組,并提出了兩種跨域的三元組損失,來(lái)約束類內(nèi)和類間距離,使得小樣本的數(shù)據(jù)庫(kù)在深度模型上的學(xué)習(xí)過(guò)程成為可能。總的來(lái)說(shuō),本文提供了異質(zhì)人臉識(shí)別的最新進(jìn)展,包括相關(guān)的數(shù)據(jù)庫(kù)、研究方法、實(shí)驗(yàn)結(jié)果等,對(duì)存在的問(wèn)題及未來(lái)的發(fā)展方向做出了討論。同時(shí),提出一種深度遷移卷積神經(jīng)網(wǎng)絡(luò),能夠利用大規(guī)模的可見(jiàn)光人臉圖像的豐富信息為網(wǎng)絡(luò)提供先驗(yàn),同時(shí)利用創(chuàng)新的跨模態(tài)的三元組擴(kuò)展小規(guī)模的異質(zhì)數(shù)據(jù),提高了異質(zhì)人臉的識(shí)別水平。所提出的方法也能夠用于其他的異質(zhì)識(shí)別問(wèn)題。
【學(xué)位授予單位】:哈爾濱理工大學(xué)
【學(xué)位級(jí)別】:碩士
【學(xué)位授予年份】:2017
【分類號(hào)】:TP391.41
【相似文獻(xiàn)】
中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條
1 劉霄翔;異質(zhì)人臉識(shí)別理論與方法研究[D];哈爾濱理工大學(xué);2017年
,本文編號(hào):1314824
本文鏈接:http://sikaile.net/shoufeilunwen/xixikjs/1314824.html
最近更新
教材專著