渐进式姿态归一化生成对抗网络的人脸合成及其在人脸识别中的应用

发布时间：2023-07-01 12:34

　　现在许多基于深度学习的人脸识别算法已经在现实生活中得到了广泛的应用,但是这些人脸识别的算法大多数需要待识别的人脸具有比较正面的姿态,如果人脸的姿态比较歪或者是整个侧面人脸,则会导致人脸识别错误率大大提高,甚至导致人脸识别系统的崩溃。于是头部姿态影响人脸识别系统的无法正常运转的问题变成了亟待解决的问题。国内外的许多研究者也开始慢慢的研究姿态对于人脸识别的影响,研究的解决办法主要分两大类,一种是通过学习一个对姿态具有鲁棒性的卷积神经网络,另一种通过生成对抗网络的方法进行人脸正面标准化的过程。本文提出的方法是一种渐进式姿态归一化生成对抗网络的人脸合成算法(PPN-GAN),与其他的合成算法相比,本算法合成的图像具有更高的质量,合成之后的人脸识别也具有更高的精度。由于其他的合成算法都是一步法,不管侧面人脸的角度有多大,通过设计不同的生成对抗网络及损失函数,将这些侧面人脸直接合成正面人脸。本文提出的算法则是多步法,通过渐进式的生成策略,逐渐的将侧面人脸合成正面人脸。因为将侧面人脸合成正面人脸的这个问题,本身就是一个病态的问题,是一个逆问题,由于侧面人脸到正面人脸的信息丢失太多,导致很难一步直接从...

【文章页数】：59 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景与意义
    1.2 研究现状
        1.2.1 人脸识别研究现状
        1.2.2 多姿态人脸识别研究现状
    1.3 研究内容
    1.4 论文组织结构
第二章 相关理论基础
    2.1 人脸识别算法
        2.1.1 人脸识别流程
    2.2 卷积神经网络
        2.2.1 卷积神经网络的特点
        2.2.2 卷积神经网络的组成
        2.2.3 经典的卷积神经网络
    2.3 生成对抗网络
        2.3.1 生成模型与判别模型
        2.3.2 生成对抗网络的原理
        2.3.3 生成对抗网络的目标函数
        2.3.4 经典生成对抗网络结构
    2.4 本章小结
第三章 渐进式姿态归一化生成对抗网络的人脸合成
    3.1 引言
    3.2 渐进式姿态归一化生成对抗网络的人脸合成算法
        3.2.1 双通道生成对抗网络
        3.2.2 渐进式生成算法
        3.2.3 PPN-GAN中的损失函数
        3.2.4 PPN-GAN中的姿态路由算法
    3.3 实验
        3.3.1 实验数据集简介
        3.3.2 PPN-GAN在Multi-PIE上的人脸合成
        3.3.3 PPN-GAN跨数据集的人脸合成
    3.4 本章小结
第四章 基于PPN-GAN合成图像的人脸识别
    4.1 引言
    4.2 合成图像的人脸识别
        4.2.1 基于Light-CNN的人脸识别
        4.2.2 同类合成算法合成之后人脸识别的比较
        4.2.3 不同人脸识别算法在合成图像与原始图像之间的比较
    4.3 算法分析
    4.4 姿态路由分析
    4.5 特征可视化
    4.6 本章小结
第五章 总结与展望
    5.1 本文总结
    5.2 展望
参考文献
攻读硕士期间发表的论文
致谢



本文编号：3836258