基于卷積神經(jīng)網(wǎng)絡(luò)的安卓平臺人臉識別.pdf

1、近幾年來,手機與手機軟件應(yīng)用發(fā)展迅速,在國內(nèi),網(wǎng)購、線下支付等都會用到手機,用戶的隱私保護成為難點,傳統(tǒng)的隱私保護手段不法分子可輕易破解,新的隱私保護手段成為研究熱點。人臉作為人類身體固有特征,是新的保護手段的突破點。人臉識別研究起源較早,但是還不能夠滿足實際應(yīng)用需求。近期,深度學(xué)習(xí)技術(shù)在各種圖像分類識別任務(wù)中取得突破性成果,基于卷積神經(jīng)網(wǎng)絡(luò)技術(shù)的人臉識別研究也有很多。由于人臉識別使用環(huán)境不可控制,經(jīng)常會受到光照、形變、遮擋等因素的影響

2、,人臉識別技術(shù)仍然是一個研究難點與熱點。
　　本文主要研究了非限制條件下人臉識別任務(wù),經(jīng)過對人臉識別和卷積神經(jīng)網(wǎng)絡(luò)等相關(guān)技術(shù)的學(xué)習(xí)和總結(jié),做了大量基于卷積神經(jīng)網(wǎng)絡(luò)技術(shù)的人臉識別研究,本文的主要研究內(nèi)容有以下幾個方面:
　　1)分析輸入圖像尺寸和人臉歸一化對模型計算速度與準確率的影響:本文設(shè)計一個簡單的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)并做了幾組實驗,實驗結(jié)果表明:輸入圖像尺寸越小模型計算速度越快,同時準確率也會有所下降,所以輸入圖像尺寸的選擇

3、需要在速度與性能之間尋找一個平衡;經(jīng)過人臉歸一化之后,模型識別準確率有所提升,能夠輕微降低角度等變化對識別結(jié)果的影響。
　　2)提出特征圖空間注意機制并對殘差模塊做出改進:在人臉識別任務(wù)中,輸入人臉圖像包含部分背景,主要差別來自于面部,在之前的學(xué)習(xí)中并沒有提到有區(qū)別對待的做法。受到通道注意機制的啟發(fā),本文通過計算特征圖中特征點對應(yīng)原始圖像中的位置,對對應(yīng)面部區(qū)域的特征點乘以一個權(quán)重系數(shù)來突出面部特征的主要作用。通過實驗和理論分析,

4、殘差模塊其實是一個多分支的集成投票系統(tǒng),本文通過添加1×1的卷積操作增加模塊的非線性,提升系統(tǒng)的表達能力。
　　3)設(shè)計快速深度卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)框架:本文通過大量實驗分析,設(shè)計出一個快速的深度卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)框架,通過對淺層網(wǎng)絡(luò)添加注意機制、中層網(wǎng)絡(luò)添加改進之后的殘差模塊、使用中心損失函數(shù)作為輔助監(jiān)督信號等方法實現(xiàn)。同時本文使用中科院自動化所發(fā)布的CASIA-Webface數(shù)據(jù)集進行模型訓(xùn)練,并收集測試數(shù)據(jù)集進行評測,驗證了本文設(shè)