|
|
|
| 基于深度学习的非对齐人脸验证方法 |
| 朱梅 陈易萍 姚毅 樊中奎 李渤 |
| 江西理工大学软件工程学院 江西理工大学应用科学学院 南昌市农业科学院 |
|
|
|
|
摘要 当前大多数方法需要对人脸进行对齐等预处理,这不仅影响验证流程的连续性,还严重影响人脸验证的效率。本文设计了两种神经网络模型及三个阶段式的训练验证构架以及基于深度特征与SIFT特征相结合的高效的非对齐人脸验证方法:方法利用卷积神经网络的池化层中间结果同步生成SIFT特征描述符从粗粒度到细粒度进行多级联的非对齐的人脸验证,这极大的提高人脸验证的速度及准确度;在训练阶段提出了使用三元组样本作为输入,Triplet loss作为损失函数有效提高不同人之间的区分度提高人脸验证的准确率;本文根据不同应用场景设计了两种深度学习架构适应小型及大型设备的需要。本方法经过在Web-face数据集训练及在LFW,YOUTUBE等数据集上验证,结果表明该方法具有良好的性能。
|
|
| 关键词 ：
卷积神经网络,
人脸验证,
人脸非对齐,
SIFT描述,
级联验证
|
|
|
| 基金资助:江西现代农业科研协同创新专项项目（JXXTCXQN201906）； 江西理工大学科研基金（204201900010）； |
|
|
|
