针对卷积神经网络在人脸识别中会随着网络加深而造成训练精度退化和分类效果不理想的问题,论文提出了一种基于改进的深度残差网络人脸识别算法。该方法先利用多任务级联卷积神经网络(MTCNN)算法对人脸图像进行检测对齐,再利用残差网络...针对卷积神经网络在人脸识别中会随着网络加深而造成训练精度退化和分类效果不理想的问题,论文提出了一种基于改进的深度残差网络人脸识别算法。该方法先利用多任务级联卷积神经网络(MTCNN)算法对人脸图像进行检测对齐,再利用残差网络提取人脸图像特征,然后用Angular Softmax(A-Softmax)来代替普通Softmax层使得神经网络能够学习到更具辨别性的角度特征。在CASIA-WebFace、LFW(Labeled Face in the Wild)和YTF(Youtube Face)人脸库上进行仿真实验,结果表明:与普通的卷积神经网络相比,该算法不仅能够学习更加深的人脸特征,而且可以有效提高人脸的识别率。展开更多
文摘针对卷积神经网络在人脸识别中会随着网络加深而造成训练精度退化和分类效果不理想的问题,论文提出了一种基于改进的深度残差网络人脸识别算法。该方法先利用多任务级联卷积神经网络(MTCNN)算法对人脸图像进行检测对齐,再利用残差网络提取人脸图像特征,然后用Angular Softmax(A-Softmax)来代替普通Softmax层使得神经网络能够学习到更具辨别性的角度特征。在CASIA-WebFace、LFW(Labeled Face in the Wild)和YTF(Youtube Face)人脸库上进行仿真实验,结果表明:与普通的卷积神经网络相比,该算法不仅能够学习更加深的人脸特征,而且可以有效提高人脸的识别率。