10.3969/j.issn.1001-2400.2018.06.024
NRCNN与角度度量融合的人脸识别方法
常见的卷积神经网络通常使用分类损失来进行可分离的特征学习 ,在某些情况下存在特征的可区分性不足的问题 ,而一些改进的方法复杂度较高 .为了在较低的复杂性下仍能保证较高的准确率 ,提出了一种基于嵌套残差卷积神经网络与角度度量的人脸识别方法 .首先 ,设计了一种新颖的基于嵌套残差模块的人脸特征提取网络 ,通过多特征图融合的方式提取更丰富的特征;其次 ,使用了一种基于权值标准化的角度度量方法 ,通过对最后一个全连接层的权值进行标准化的操作来增强特征区分性 .在网络训练时 ,结合上述两种方法使得学习到的特征满足最大类内距离小于最小类间距离的原则.实验表明 ,该方法在人脸标记数据库上测试准确率达到99.03% ,相较于使用分类损失和其他度量学习的方法 ,该方法仅使用了单个网络并能在保证较高准确率的情况下付出更小的计算代价 .
嵌套残差卷积神经网络、权值标准化、角度度量、人脸识别
45
TP183(自动化基础理论)
2016年广西物联网技术及产业化推进协同创新中心资助项目WLW200601;2016年"认知无线电与信息处理"省部共建教育部重点实验室基金资助项目CRKL160102
2019-01-16（万方平台首次上网日期，不代表论文的发表时间）
共6页
144-149
