基于信息融合的人臉圖像光照正規(guī)化算法研究的任務(wù)書

基于信息融合的人臉圖像光照正規(guī)化算法研究的任務(wù)書任務(wù)書1.任務(wù)背景在人類社會的生產(chǎn)和生活中，人臉圖像已經(jīng)成為一種非常重要的信息載體。人臉圖像的分析和處理是面部識別、視頻監(jiān)控、虛擬現(xiàn)實等領(lǐng)域中的重要研究方向。但是，不同光照條件下的人臉圖像存在較大的光照差異，這會導(dǎo)致人臉圖像的識別準確率下降。因此，如何對人臉圖像進行光照正規(guī)化，是人臉識別和相關(guān)研究領(lǐng)域中的重要問題之一。傳統(tǒng)的人臉光照正規(guī)化方法主要基于完整的三維人臉模型，但這種方法需要大量的計算和存儲資源，而且很難進行實時處理。隨著深度學(xué)習(xí)技術(shù)的發(fā)展，利用卷積神經(jīng)網(wǎng)絡(luò)（CNN）進行人臉光照正規(guī)化的方法受到了廣泛關(guān)注。CNN具有非常強大的特征提取和分類能力，因此被廣泛應(yīng)用于人臉識別、人臉檢測、姿態(tài)估計等任務(wù)中。然而，傳統(tǒng)的CNN只能處理單一光照條件下的人臉圖像，對于光照變化較大的人臉圖像，其效果并不理想。為了克服這個問題，近年來提出了一些基于信息融合的光照正規(guī)化方法，利用多張不同光照條件下的人臉圖像進行光照補償，從而提高人臉識別的準確率。因此，本任務(wù)的主要目標是研究基于信息融合的人臉圖像光照正規(guī)化算法，使其能夠提高人臉識別的準確率，并針對現(xiàn)有的方法進行改進，得到更好的實驗結(jié)果。2.任務(wù)內(nèi)容（1）研究現(xiàn)有的基于信息融合的人臉圖像光照正規(guī)化算法，分析各自的優(yōu)缺點，并對其進行改進。（2）設(shè)計并實現(xiàn)基于信息融合的人臉圖像光照正規(guī)化算法。在進行設(shè)計時應(yīng)考慮到以下幾個問題：利用哪些信息進行融合，如何進行信息融合，以及如何構(gòu)建訓(xùn)練數(shù)據(jù)集。（3）利用公開數(shù)據(jù)集進行實驗驗證，并與現(xiàn)有的方法進行比較。同時，分析算法的性能和實用價值，探索可能的應(yīng)用場景。（4）編寫程序?qū)崿F(xiàn)算法，并撰寫實驗報告。3.要求（1）具有一定的數(shù)學(xué)基礎(chǔ)，熟悉深度學(xué)習(xí)基礎(chǔ)理論和模型設(shè)計思路；（2）熟練掌握Pytorch等深度學(xué)習(xí)框架的使用；（3）具備扎實的編程基礎(chǔ)和較強的編程能力；（4）具備較強的自我學(xué)習(xí)能力和團隊合作意識。4.任務(wù)進度（1）第1-2周：研究現(xiàn)有的基于信息融合的人臉圖像光照正規(guī)化算法，并與現(xiàn)有的方法進行比較，分析各自的優(yōu)劣；（2）第3-6周：設(shè)計并實現(xiàn)基于信息融合的人臉圖像光照正規(guī)化算法；（3）第7-8周：對實驗結(jié)果進行分析和總結(jié)，撰寫實驗報告；（4）第9-10周：根據(jù)實驗結(jié)果對算法進行改進，并重新進行實驗驗證。5.參考文獻[1]Huang,Y.,Huang,K.,Wang,Y.,&Wang,L.(2018).OntheDimensionalityReductionforFaceRecognitionWithLimitedTrainingSamples.IEEETransactionsonCybernetics,48(5),1492-1502.[2]Zhang,J.,Liu,Z.,Wu,Y.,&Chung,F.L.(2018).Jointfacehallucinationanddeblurringviastructuregenerationanddetailenhancement.IEEETransactionsonPatternAnalysisandMachineIntelligence,40(6),1392-1403.[3]Cao,B.,Li,Y.,Li,W.,&Huang,Q.(2020).Multi-sourcedeeplearningforrobustfacialexpressionrecognitioninthewild.