facenet皮尔森判别网络的人脸识别方法
非限制场景下存在光照、遮挡和姿态变化等问题,这严重影响了人脸识别模型的性能和准确度.针对该问题,本文对facenet进行改进,提出了一种基于facenet皮尔森判别网络的人脸识别方法facenetPDN.首先,构建facenetPDN深度卷积神经网络,在facenet前端融合多任务级联卷积神经网络进行人脸检测提取目标人脸.然后,通过深度神经网络提取人脸深度特征信息,采用皮尔森相关系数判别模块替换facenet中的欧氏距离判别模块实现人脸深度特征判别.最后,使用CASIA-WebFace和CASIA-FaceV5人脸数据集训练网络.为了证明本文方法的有效性,训练后的模型在LFW和celeA人脸数据集进行测试和评估,并进行对比分析.实验结果表明,改进后的facenetPDN方法的准确度比原来整体提高了1.34%,在融合训练集下提高了0.78%,该算法鲁棒性和泛化能力优良,可实现多人种的人脸识别,对非限制场景下人脸目标具有良好的识别效果.
非限制场景;人脸识别;facenet;多任务级联卷积神经网络;人脸检测;皮尔森相关系数;欧氏距离;人脸数据集
17
TP391.41(计算技术、计算机技术)
黑龙江省自然科学基金F201123
2022-02-17(万方平台首次上网日期,不代表论文的发表时间)
共9页
107-115