基于孪生神经网络的小样本人脸识别

摘要：

在基于深度学习的人脸识别领域中,孪生神经网络是一种解决过少样本数据降低模型性能并导致过拟合现象的有效方法.文章基于孪生神经网络提出一种引入CBAM混合域注意力机制的小样本人脸识别方法,对比实验将输出值映射为128维特征向量;采用对比损失函数,通过比较样本网络输出特征向量之间的欧氏距离来判断人脸的相似度.结果表明:在使用更少的训练数据情况下,孪生神经网络引入CBAM能够为不同通道的特征图设置不同的权重,可以显著提高模型的准确率;以实验准确率为性能指标,与其他4种人脸识别模型对比,文章所提出的算法对于小样本集的人脸识别准确率达到了98.12％.

关键词：孪生神经网络;注意力机制;人脸识别;小样本;深度学习

所属期刊栏目：37

分类号：TP183(自动化基础理论)

资助基金：国家自然科学基金61503219

在线出版日期：2022-03-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：79-85,99