基于属性驱动损失函数的人脸识别算法

论文摘要

为使通过卷积神经网络学习到的人脸识别特征更容易判别,在角度距离损失函数A-Softmax的基础上进行改进,将人脸属性融入到训练过程中,如性别、年龄和种族。使用属性驱动损失函数,利用属性邻近性对特征映射进行正则化,实验结果表明本方法学习到更多与属性相关的鉴别特征。本文改进算法在人脸验证数据集（包括LFW,CFP,AgeDB和MegaFace）上均取得不错的效果,验证了该改进算法的有效性。

论文目录

• 1 引言
• 2 基本原理
•   2.1 人脸识别度量学习
•   2.2 人脸识别损失函数
•   2.3 基于角度间隔和人脸属性的损失函数
• 3 分析与讨论
•   3.1 实验设置
•     3.1.1 训练数据
•     3.1.2 测试数据
•     3.1.3 训练细节
•   3.2 超参数η和λ的影响
•   3.3 实验结果
•     3.3.1 在不同网络结构下的实验结果
•     3.3.2 LFW数据集的实验结果
•     3.3.3 在MegaFace数据集的实验结果
• 4 结论

文章来源

类型: 期刊论文

作者: 李燊,苏寒松,刘高华,吴慧华,王萌

关键词: 机器视觉,人脸识别,卷积神经网络,人脸属性

来源: 激光与光电子学进展 2019年24期

年度: 2019

分类: 信息科技

专业: 计算机软件及计算机应用,自动化技术

单位: 天津大学电气自动化与信息工程学院

基金: 广州市科技计划（201802020008）

分类号: TP391.41;TP183

页码: 220-226

总页数: 7

文件大小: 272K

下载量: 217