基于多任务学习的深层人脸识别算法

摘要：

针对传统的归一化指数损失(Softmax损失)函数缺乏区别特征能力,对人脸特征无法进行判别性学习的问题,提出一种聚合判别多任务学习算法.首先,利用多任务级联卷积神经网络方法对目标图像进行人脸检测和对齐,剔除与人脸识别区域无关的图像;然后,利用深层卷积神经网络提取对齐后的人脸图像特征,同时使用聚合判别多任务学习算法将提取的人脸特征向量分解为学习类内特征的向量和判别类间身份的向量,加强对类内特征的约束,提高类间特征可分离性;最终分别采用最近邻分类器和十折交叉验证法进行人脸的识别和验证.实验结果表明:该算法在LFW人脸库中的验证准确率可达99.68％,改善了人脸识别性能,且在光照、姿势、表情和年龄变化测试中具有较好的稳健性,能有效应用于人脸识别的工程实践中.

关键词：图像处理、人脸识别、卷积神经网络、聚合判别多任务学习算法

所属期刊栏目：56

分类号：TP391(计算技术、计算机技术)

在线出版日期：2019-11-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：126-134