基于自适应卷积神经网络的人脸检测和识别

发布时间：2020-10-13 21:12

　　 本文探索如何利用能够自适应计算的卷积神经网络构建一个高效、准确且能应用在实际场景的人脸识别系统。人脸识别系统的主体部分是人脸检测和人脸识别,我们将从这两个方面入手,研究如何利用能够动态自适应计算的神经网络来高效地完成人脸检测任务,以及如何利用有效的工程方法和算法完成实际场景的人脸识别任务。人脸检测是一个对实时性要求较高的任务,现今大部分优秀的人脸检测算法通过设计特定的网络结构或做权重裁剪来缩减计算成本,但一般未考虑模型输入样本自身的特点以及计算过程本身的特点,因而缺乏灵活性。鉴于此,我们将设计能够基于输入样本自身特点,进行动态自适应计算的神经网络,以此来构建和优化模型;缩减冗余的计算量,做到保证精度的前提下,大幅的降低计算成本,同时具备很好的灵活性,能够泛化到其他任务和领域。另一方面,现今的人脸识别算法可以在一些公开的人脸识别数据集上做到非常高的水准,但在一些实际场景下的精度表现并不尽如人意,我们探索如何利用工程的方法在人脸识别流程上改进算法和模型的训练方法,以适应实际的非受限场景下的亚裔人脸识别的任务,提高识别精度,降低人脸识别的误识率。最后,我们会将整套人脸识别的系统应用到一个大规模人脸检索任务上来测试我们方法的性能。
【学位单位】：华中科技大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TP391.41;TP183
【部分图文】：

图 1-1 本文的主要研究内容1.3 论文章节安排本文的组织结构具体如下：第一章：介绍了人脸识别研究领域的背景和意义以及本文的贡献，最后概括了本论文的组织结构；第二章：提出了动态自适应计算的神经网络来处理人脸检测的任务，该方法基于深度学习算法和相应的网络结构，可以在保证精度的前提下大大降低计算成本，利用ResNet 结构和空间自适应计算的策略来完成自适应计算神经网络的构建。我们设计的自适应计算策略可以让模型在计算成本和精度上保持很好的均衡，同时很容易泛化到其他任务。

判断是否是人脸。第一个神经网络估计出的角度用于对检测窗口做旋转，然后利用二个神经网络对旋转后的待检窗口做二分类。Rowley 的方法在当时精度较高，只由于其模型的复杂结构而致使速度较慢。AdaBoost 架构是利用集成学习算法，通多个简单的弱分类器级联，形成精度较高的强分类器。例如 Viola 等人提出的人脸测方法[17]，使用 Haar-Like 特征和级联的 AdaBoost 分类器来构建检测模型，在保精度的情况下大大提升了算法的速度，人们称之为 VJ 架构。它奠定 AdaBoost 目标检测框架的基础。AdaBoost 算法的思想是，级联多个分类器，依序对输入人脸或人脸进行分类，相当于流水线作业，判定输入是人脸图片与否。前面的弱分类器的作用是快速排除大量负样本，所以设计较为简单，但准确率并没有很高的保障，所以后续需要强分类器进一步筛选，当某个样本经过了所有的分类器的筛选则被认为是正样本。级联分类器的示意如下图 1-2。

图 1-3 MTCNN 的输入预处理以及 P-net，R-net，O-net 流程图Face R-CNN[22]是基于 Faster R-CNN[23]经典检测算法做人脸检测，在原有的两阶段检测框架上对于人脸检测任务做了优化：增加了center loss的损失项以及onlinehard example mining[39]和多尺度训练的策略， 对检测精度有一定的提升。人脸检测算法 SSH[24]的特点是尺度不变性，不同于 MTCNN 需要分别预测多个尺度的输入图片，SSH 只需要处理一个尺度的输入。它的处理方法是在卷积神经网络的多个深度的层上引出 3 个分支，各个分支都使用相同的计算流程，对特征进行分类和边界框回归。通过将不同尺度的特征作为预测分支的输入，间接的实现了多尺度的人脸检测。而 PyramidBox[25]算法主要是对各种策略和算法的的组合应用，包括基于锚点（anchor）的上下文辅助方法用于监督小尺度模糊或部分遮挡人脸的上下文特征的监督信息；底层特征金字塔网络来更好的融合特征；利用上下文敏感的预测模块从合并的特征中了解精确的位置和分类；同时提出了基于尺度感知的数据增强方法，用以改进对训
【相似文献】

相关期刊论文 前10条

1 郎为民;安海燕;姚晋芳;;移动设备自适应计算卸载研究[J];电信快报;2017年01期

2 曲强;金明录;;分数阶傅里叶变换的自适应计算[J];系统仿真学报;2009年23期

3 王正华;自适应计算提高了IC的性能[J];今日电子;2001年12期

4 ;国际新闻[J];中国集成电路;2018年04期

5 Paul Master,彭京湘;自适应计算减少QCELP功率[J];电子产品世界;2001年05期

6 Paul Master,岳云;自适应计算为MPEG-4注入新的动力[J];今日电子;2001年11期

7 柳丰收;郭保稳;;基于SYSTOLIC阵列的空频联合自适应调零算法[J];全球定位系统;2017年05期

8 代伟;自适应计算技术在无线移动通信中的应用[J];电子产品世界;2002年06期

9 王莹;;自适应计算架构可应对灵活多变的创新——访灵思总裁兼首席执行官Victor Peng[J];电子产品世界;2020年01期

10 ;超越FPGA功能的新型自适应计算产品[J];今日电子;2018年04期

相关博士学位论文 前1条

1 赵纪坤;各向异性局部重构型后验误差估计及自适应计算[D];郑州大学;2016年

相关硕士学位论文 前8条

1 陈坤鹏;基于自适应卷积神经网络的人脸检测和识别[D];华中科技大学;2019年

2 刘红;虚拟多介质三维电容提取的性能改进算法研究[D];清华大学;2005年

3 李留强;h型自适应有限元法计算重力坝应力的控制标准及改善坝踵区应力分布的方法探讨[D];大连理工大学;2006年

4 赵京昌;自适应间断有限元方法在中子输运问题中的应用[D];华北电力大学(北京);2016年

5 饶玮;短波接收机前端强干扰噪声自适应对消实现[D];华中科技大学;2009年

6 魏玉果;基于自适应计算阶次跟踪的旋转机械阶次分析系统[D];重庆大学;2007年

7 王亮;宽带移动多载波系统的测距和峰均比降低技术研究[D];中国科学院研究生院（上海微系统与信息技术研究所）;2008年

8 岳永恒;基于Agent教学系统中关键问题的研究[D];长沙理工大学;2005年

本文编号：2839709