基于Lighten CNN的自动人脸分类模型的优化方法
随着多媒体、人工智能以及物联网等技术的飞速发展,对动态视频中的人脸的检测与分析是一个研究热点.针对目前对人脸特征分析的研究无法同时满足监控视频对准确性和实时性的需求,提出基于Lighten卷积神经网络(Lighten CNN)框架的单网络多目标的人脸特征分析方法.首先,提出模型训练样本拓充的半自动化数据标注策略;然后,结合多任务学习思想,基于Lighten CNN构建单网络多目标的网络结构;最后,在监控视频的人脸数据集上,进行人脸年龄、性别特征分析的实验,并基于人脸序列进行可信度分析.实验结果表明,所提出的基于Lighten CNN的人脸分类模型的优化方法能同时满足监控视频对特征分析的准确性和实时性的需求,具有良好的泛化能力和适用范围.
卷积神经网络、监控视频、人脸监测、特征分析、实时性、单网络多目标、人脸序列
38
TP391.41(计算技术、计算机技术)
国家自然科学基金资助项目61501018,61571033
2018-08-21(万方平台首次上网日期,不代表论文的发表时间)
共5页
32-35,82