基于迁移学习的人脸图像质量评估
随着科学技术和经济的快速发展以及社会的不断进步,人们的安全意识不断提高,人脸识别这一生物特征识别的关键技术之一被广泛应用于电子政务、计算机登录、门禁和电子商务等领域.但实际应用中输人人脸的图片质量严重影响到了人脸识别系统发挥其准确性及智能性,因此针对人脸图像质量的问题提出基于迁移学习的人脸图像质量评估算法.在识别之前,对自建的人脸图像数据集归一化预处理后,再将数据集在tensorflow的框架上利用迁移学习的方式对Mobilenet网络再次训练,得到人脸图像的质量评估模型,过滤筛选出符合识别算法质量要求的人脸图像.并将本论文的方法与Inception模型对比,实验表明迁移压缩后的Mobilenet模型的准确率略有降低,但模型的参数量也大幅减少,因此,提高了模型的运算效率.
人脸识别、迁移学习、Mobilenet、图像质量评价、人脸图像质量评估
42
TP391(计算技术、计算机技术)
2019-08-14(万方平台首次上网日期,不代表论文的发表时间)
共5页
113-117