基于深度学习的抗年龄干扰人脸识别.docx
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
"基于深度学习的抗年龄干扰人脸识别" 本文总结了基于深度学习的抗年龄干扰人脸识别方法,讨论了人脸识别的挑战性和重要性,以及年龄变化对人脸识别的影响。介绍了生成模型和判别模型两种抗年龄干扰的人脸识别方法,并对判别模型进行了深入研究。 判别模型旨在对人脸特征进行分离,从剔除年龄相关特征,提取年龄无关的身份特征的角度提高人脸识别的稳定性。讨论了 Ling 等的梯度方向金字塔(Gradient orientation pyramid, GOP)和支持向量机(Support vector machine, SVM)方法,Gong 等的隐藏因子分析(Hidden factor analysis, HFA)方法,Li 等的区域模式选择(Local patterns selection, LPS)方法等。 深度学习因其在原始特征中直接学习一系列非线性特征映射函数的卓越性能而受到广泛关注。讨论了 Wen 等的潜在因子引导卷积神经网络(Latent factor guided convolutional neural network, LF-CNN)模型,Xu 等的耦合自动编码器网络(Coupled auto-encoder network, CAN)模型,Wang 等的正交嵌入 CNN(Orthogonal embedding convolutional neural network, OE-CNN)模型等。 本文提出了一种新的抗年龄干扰的人脸识别模型 AD-CNN(Age decomposition convolution neural network),该模型可以同时实现年龄估计任务和人脸识别任务,通过年龄回归任务所提取到的年龄特征,获得年龄不变特征。AD-CNN 在基线网络中采用了空间注意力机制,重新建模了特征提取过程中通道和空间的相互依赖关系,增强了特征提取性能。 本文总结了基于深度学习的抗年龄干扰人脸识别方法的最新进展,讨论了判别模型和深度学习模型在抗年龄干扰人脸识别中的应用,提出了新的 AD-CNN 模型, proporcionando 一种新的解决方案来解决人脸识别中的年龄干扰问题。 人脸识别是一个极具挑战但又非常重要的问题,因为其广泛的应用场景而受到越来越多的关注。目前一些一般人脸识别方法在几个基准测试中已经取得了理想的成绩,但由于人脸本身存在的较大的类内干扰(如表情、光照、年龄等)使得这项工作面临极大的困难。其中年龄变化所引起的类内变化仍然是许多实际应用的主要瓶颈,如寻找多年前的失踪人口、排查潜逃的犯罪嫌疑人、证件的注册及认证工作等。 基于深度学习的抗年龄干扰人脸识别方法可以解决年龄干扰问题,提高人脸识别的稳定性和准确性。深度学习模型可以学习到人脸图像的深层特征,从而提取年龄无关的身份特征,实现抗年龄干扰的人脸识别。 本文的贡献在于,提出了新的 AD-CNN 模型,解决了年龄干扰问题,提高了人脸识别的稳定性和准确性。该模型可以同时实现年龄估计任务和人脸识别任务,获得年龄不变特征,增强了特征提取性能。
剩余14页未读,继续阅读
- 粉丝: 3906
- 资源: 1万+
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助