一种基于权重哈希化的深度人脸识别算法

摘要：

针对采用融合深度哈希的卷积神经网络进行人脸识别时可能存在准确率下降及内存占用率偏高的问题,提出了基于权重哈希化的深度人脸识别算法.首先,提出一种基于高低维特征维度拼接的全卷积深度哈希网络,用以保证融合深度哈希后网络模型的识别准确率;然后,提出一种基于权重哈希化的模型压缩方法,将浮点型权重量化为哈希编码来进行模型存储,用以减少模型的内存占用率.实验表明,该方法在基于VGG框架进行改进时,可将VGG原网络的识别总效率提高68％,将准确率提高1.67％且使模型尺寸压缩了91.2％;该方法扩展到Sphereface框架时,在准确率略有提升的情况下将识别效率提高了61％,将模型压缩了42.24％.因此所提方法可提高识别准确率和效率,并减少内存占用率,同时还可扩展应用于其他网络.

关键词：深度哈希、维度拼接、模型压缩、全卷积网络

所属期刊栏目：46

分类号：TP183(自动化基础理论)

资助基金：2016 年广西重点研发计划桂科 AB16380264;2018 年新疆重点研发专项2018B03022

在线出版日期：2019-07-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：277-281