【人臉屬性識別方法探究9300字（論文）】_第1頁
【人臉屬性識別方法探究9300字（論文）】_第2頁
【人臉屬性識別方法探究9300字（論文）】_第3頁
【人臉屬性識別方法探究9300字（論文）】_第4頁
【人臉屬性識別方法探究9300字（論文）】_第5頁
已閱讀5頁，還剩13頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

人臉屬性識別方法研究摘要當今社會多媒體技術蓬勃發(fā)展，越來越多的研究者對計算機視覺方面的研究也越來越重視，對于人臉的研究也一直如火如荼，對人臉的研究方向已經從最初的人臉檢測、人臉識別、再到現在的人臉屬性識別，隨著研究方法和設備硬件的升級與更新，研究人員開始使用計算機不斷深入探索人臉的各種有用信息。隨著信息存儲、數據運算、網絡傳輸能力的不斷升級，互聯網中有關人臉的圖像數量爆炸式增加，這對人臉檢測、人臉識別、人臉屬性識別等研究提供了大量的原始數據。在大數據時代，人臉識別解鎖、人臉識別打卡、人臉支付等基于生物信息的識別的應用已經慢慢融入人們的生活，并大幅提高人們的生活體驗。人臉識別技術已經取得巨大的成功，并且已經大規(guī)模應用于人們的日常生活中。而隨著研究的不斷深入，人們注意到人臉還包括其它重要的信息，例如年齡、性別、表情等，如何使得計算機能夠像人一樣能夠從人臉圖像上提取出五官信息、甚至是表情等情感信息，是研究人員的研究熱點之一。人臉屬性識別就是使用計算機對給定的人臉圖像、甚至是視頻準確無誤的分析出人臉的各個信息例如：性別、表情、年齡等。人臉屬性識別在安全、搜索、娛樂等各方各面都有著廣泛的用途。目前大多數研究者著重于單屬識別的研究，或者通過多個模型并行學習來識別多個屬性，很多人臉數據集也只能用于單個或兩個屬性的識別任務。本文通過多任務學習，采用硬參數共享的方式，基于深度學習的強大學習能力以及殘差網絡不會過擬合的優(yōu)點，利用RseNet34設計出可以同時識別多個人臉屬性的人臉屬性識別模型,對CelebA數據集中的Male、No_beard、Smiling、Young四種屬性的平均識別準確率可達93.99%。本文主要的工作為：基于深度學習，利用ResNet34設計高效的深度學習模型，同時學習人臉的四個屬性，其中包括性別、是否有胡須、微笑、是否年輕。本文設計的網絡，在高層各自獨立地學習特有特征，在淺層共享特征，在減少參數量、防止過擬合的同時能夠利用任務之間的相關性和不相關性提高模型的準確度。關鍵詞：人臉屬性識別；多任務學習；深度學習；殘差網絡目錄TOC\o"1-1"\

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網僅提供信息存儲空間，僅對用戶上傳內容的表現方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論