我要投稿 查看投稿进度
学术期刊
在线客服
客服电话：400-188-5008
客服邮箱：service@ccnpub.com
投诉举报：feedback@ccnpub.com
人工客服

工作时间（9：00-18：00）
官方公众号

科技成果·全球共享

请选择 目标期刊

基于深度学习的人脸识别方法研究进展 下载：71 浏览：505

黄怡涓1 左劼1 孙频捷2 《计算机研究与应用》 2020年2期

摘要:
基于深度学习的人脸识别方法主要分为两个方向:多分类和度量学习。多分类的方法在标记的已知类别上训练,在未知类别上测试。测试集上的识别性能严重受限于训练集上模型的表达能力,近几年的研究工作主要是基于分类损失函数的改进,动机在于让模型在闭集上学习的特征具有更高的辨别性。度量学习的动机在于学习新的表征使得类间距离大于类内距离,训练阶段不需要知道目标的具体类别,只需要标记类别差异。近几年对于度量学习方向的研究工作主要集中在损失函数的改进,调整不同的策略减小类内距离方差,同时增大类间距离方差,学习到的度量可以直接作为特征比对阶段的相似度。对这两个方向的研究工作进行归纳和总结,并对其他可能的方向做一些展望,为基于深度学习的人脸识别方法的进一步研究提供一些参考。

针对跨姿态人脸识别的度量学习方法 下载：75 浏览：455

王奥迪 《计算机研究与应用》 2019年9期

摘要:
近年来,由于深度学习技术的引入,人脸识别技术取得显著的发展。然而,当前的人脸识别模型在解决跨姿态人脸识别问题上效果仍然不理想。其中导致这一现象的主要原因是,目前用来训练人脸模型的数据集中姿态变化较少或者不均衡。针对跨姿态人脸识别问题,提出一种基于度量学习的方法 CPP Loss。该方法能够有效地利用训练集中有限的姿态变化,在基准模型上进一步提升其在跨姿态条件下的人脸识别准确率。
[1/1]
|<
<
1
>
>|
在线客服：：点击联系客服
联系电话：：400-188-5008
客服邮箱：：service@ccnpub.com
投诉举报：：feedback@ccnpub.com
人工客服

工作时间（9：00-18：00）
官方公众号

科技成果·全球共享