本文探索了多种算法优化策略来提高基于深度学习的人脸识别系统的性能,主要包括数据增强、网络模型设计、损失函数选择和模型融合等方法。通过构建识别框架并在大规模人脸数据集上进行比较实验,结果表明所提出的优化方案可以有效提高识...本文探索了多种算法优化策略来提高基于深度学习的人脸识别系统的性能,主要包括数据增强、网络模型设计、损失函数选择和模型融合等方法。通过构建识别框架并在大规模人脸数据集上进行比较实验,结果表明所提出的优化方案可以有效提高识别精度和鲁棒性。最终模型集成框架较单一模型在人脸数据库(labeled faces in the wild, LFW)和CFP-FP测试集上精确率分别提高1.2%和5.3%,EER值也显著下降。展开更多
文摘本文探索了多种算法优化策略来提高基于深度学习的人脸识别系统的性能,主要包括数据增强、网络模型设计、损失函数选择和模型融合等方法。通过构建识别框架并在大规模人脸数据集上进行比较实验,结果表明所提出的优化方案可以有效提高识别精度和鲁棒性。最终模型集成框架较单一模型在人脸数据库(labeled faces in the wild, LFW)和CFP-FP测试集上精确率分别提高1.2%和5.3%,EER值也显著下降。