基于CycleGAN的非配对人脸图片光照归一化方法
针对人脸识别过程中光照对识别结果的影响问题, 提出了一种基于CycleGAN的光照归一化方法. 使用了生成对抗式的网络结构, 利用图像翻译的原理, 将较亮图片的光照风格迁移至较暗图片, 同时保持原人脸表面平滑且结构基本不变. 使用非配对的数据集, 无需人工标注标签, 简化了数据准备阶段的工作, 达到了利用无监督的深度学习方法去除图片光照影响的目的. 最后用训练好的模型处理CroppedYale测试集, 比较处理前后的人脸识别准确率. 实验证明, 本文方法具有较强的降低人脸光照对识别率影响的能力且基本不改变人脸结构, 有利于提高人脸识别的准确率.
生成对抗网、深度学习、人脸识别、光照归一化、人脸光照处理
35
TP391(计算技术、计算机技术)
国家自然科学基金资助项目61703115;广东省自然科学基金资助项目2016A030313713;广东省重大科技专项项目2016B010108004;广东省产学研合作专项项目2014B090904080
2018-10-17(万方平台首次上网日期,不代表论文的发表时间)
共9页
11-19