亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于改進(jìn)的SSD的人臉識別算法研究

        2019-07-09 02:20:56王斌
        中小企業(yè)管理與科技 2019年16期
        關(guān)鍵詞:人臉識別模型

        王斌

        (山西建設(shè)投資集團(tuán)有限公司,太原030006)

        1 引言

        隨著計算機(jī)視覺的發(fā)展,圖像/視頻中的人臉識別廣泛用于身份驗證、公共交通、辦公場所等方面,在現(xiàn)代化社會中發(fā)揮著重要的作用,已經(jīng)成為人工智能與機(jī)器視覺的研究和應(yīng)用熱點[1,2]。人臉識別技術(shù)是一種基于人類面部特征的用于個人身份識別的一種技術(shù),在初期階段,主要方法是利用人臉各部分比例特征作為參數(shù),建立人臉識別系統(tǒng)的原型。隨著信息技術(shù)的發(fā)展,對信息的收集和分析變得不那么復(fù)雜,人臉識別的發(fā)展方向也逐步轉(zhuǎn)變?yōu)橐哉麖埬槥槟P停⒉捎脧椥云ヅ?、灰度處理和形狀分離等方法進(jìn)行處理。目前,人臉識別的代表方法有Eigenface、SphereFace、Fisherface 等,但是特征仍需要人工提取,送入分類器中進(jìn)行識別的過程比較復(fù)雜,特別是遇到角度變化、表情變化、遮擋等問題時識別效率將有所下降。卷積神經(jīng)網(wǎng)絡(luò)在圖像、語音等領(lǐng)域發(fā)展快速,不但可以自適應(yīng)提取面部特征,在速度和準(zhǔn)確率上相較傳統(tǒng)的機(jī)器學(xué)習(xí)的方法都有出色的表現(xiàn)。本文采用遷移學(xué)習(xí)優(yōu)化SSD 網(wǎng)絡(luò)模型訓(xùn)練過程,改進(jìn)的SSD 網(wǎng)絡(luò)模型對不同人臉目標(biāo)進(jìn)行識別,識別效率較高。

        2 經(jīng)典SSD 網(wǎng)絡(luò)模型結(jié)構(gòu)

        深度卷積神經(jīng)網(wǎng)絡(luò)使得圖像的識別率相比傳統(tǒng)的識別方法有了長足的進(jìn)步,由于直接對原始數(shù)據(jù)進(jìn)行學(xué)習(xí),對比非深度方法,它能夠自動地提取更具表現(xiàn)力的特征,以及滿足了實際應(yīng)用中的端到端的需求。從AlexNet 的8 層網(wǎng)絡(luò)到VGG 的16 層網(wǎng)絡(luò),更深的卷積網(wǎng)絡(luò)整合了不同層次的特征。相關(guān)研究表明,可以通過增加網(wǎng)絡(luò)層數(shù)豐富特征,Simonyan 等證明識別的精度隨著網(wǎng)絡(luò)深度的加深而提高,然而反向傳播時梯度爆炸導(dǎo)致簡單的堆疊卷積層并不能順利地訓(xùn)練網(wǎng)絡(luò)。有研究通過dropout 技術(shù)和批量歸一化使得有限的深層能夠繼續(xù)訓(xùn)練,但在一定的訓(xùn)練迭代之后出現(xiàn)精度的飽和導(dǎo)致精度下降問題依然存在。

        圖1 SSD 網(wǎng)絡(luò)模型結(jié)構(gòu)

        SSD(Single Shot MultiBox Detector)是Wei Liu 于2016年在ECCV 上提出的一種目標(biāo)檢測算法,與Faster RCNN 相比,該算法沒有生成proposal 的過程,極大提高了檢測速度。其基本結(jié)構(gòu)如圖1所示。

        SSD 網(wǎng)絡(luò)在基礎(chǔ)網(wǎng)絡(luò)部分采用了VGG16 卷積結(jié)構(gòu)直接作用特征圖預(yù)測目標(biāo)類別和外圍框。通過網(wǎng)絡(luò)主體結(jié)構(gòu)對特征進(jìn)行提取,在各卷積層中進(jìn)行卷積與下采樣處理。輸入的圖像尺寸通常為300*300。網(wǎng)絡(luò)結(jié)構(gòu)在訓(xùn)練的過程中會產(chǎn)生損失量,定義損失函數(shù)在訓(xùn)練過程中具有評估網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)劣的作用,所對應(yīng)的損失函數(shù)包括位置損失函數(shù)Lloc和分類損失函數(shù)Lconf,損失函數(shù)如式(1)所示:

        3 基于遷移學(xué)習(xí)的SSD 設(shè)計

        數(shù)據(jù)對于神經(jīng)網(wǎng)絡(luò)的訓(xùn)練至關(guān)重要。一般來說,原始數(shù)據(jù)量越大,訓(xùn)練出來的模型精度越高,泛化能力越強(qiáng)。但是,做數(shù)據(jù)標(biāo)注費(fèi)時費(fèi)力,往往不容易收集太多。并且當(dāng)在一定數(shù)據(jù)集上訓(xùn)練好一個卷積神經(jīng)網(wǎng)絡(luò)后,變換了對應(yīng)的數(shù)據(jù)又要費(fèi)時費(fèi)力地進(jìn)行新任務(wù)的模型訓(xùn)練,訓(xùn)練時間長、收斂速度慢。

        遷移學(xué)習(xí)(Transfer learning)是一種機(jī)器學(xué)習(xí)方法,就是把為任務(wù)A 開發(fā)的模型作為初始點,把已學(xué)訓(xùn)練好的模型參數(shù)遷移到為任務(wù)B 開發(fā)模型的過程中。

        考慮到大部分?jǐn)?shù)據(jù)或任務(wù)是存在相關(guān)性的,本文將ORL標(biāo)準(zhǔn)人臉庫預(yù)訓(xùn)練的網(wǎng)絡(luò)權(quán)重參數(shù)作為SSD 檢測框架的初始權(quán)重模型,通過遷移學(xué)習(xí)將已經(jīng)學(xué)到的模型參數(shù)分享給SSD網(wǎng)絡(luò)模型,共享底層結(jié)構(gòu)權(quán)值參數(shù),然后修改SSD 模型的頂層網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行微調(diào),以此克服不同人臉數(shù)據(jù)之間的差異性,模型訓(xùn)練快速地收斂于鄰域很小的損失值。該方法可以加快并優(yōu)化模型的學(xué)習(xí)效率,降低隨機(jī)設(shè)置初始權(quán)值帶來的網(wǎng)絡(luò)不穩(wěn)定性,避免網(wǎng)絡(luò)從零學(xué)習(xí)的盲目性。

        針對人臉識別過程中,會出現(xiàn)斜側(cè)、遮擋等問題,本文利用已有的標(biāo)準(zhǔn)人臉庫,對數(shù)據(jù)集進(jìn)行了水平翻轉(zhuǎn)、裁剪和顏色抖動等操作,制造出更多的圖片進(jìn)行數(shù)據(jù)增強(qiáng)應(yīng)用于網(wǎng)絡(luò)遷移學(xué)習(xí)的過程,進(jìn)而提高改進(jìn)SSD 網(wǎng)絡(luò)的精度和泛化能力。

        4 改進(jìn)SSD 模型訓(xùn)練及結(jié)果分析

        4.1 改進(jìn)SSD 模型訓(xùn)練

        人臉識別的模型建立過程中,為了提高模型的泛化能力,提高人臉識別的準(zhǔn)確率和訓(xùn)練速度,本文設(shè)計的模型性能提升方法主要包括3 點:①增加卷積模型深度;②標(biāo)準(zhǔn)人臉庫訓(xùn)練SSD 模型基礎(chǔ)上,進(jìn)行遷移學(xué)習(xí),降低訓(xùn)練時間;③結(jié)合人臉斜側(cè)、遮擋對視頻窗口的實際可能發(fā)生的情況,對數(shù)據(jù)訓(xùn)練集進(jìn)行水平翻轉(zhuǎn)、裁剪和顏色抖動等操作,增強(qiáng)網(wǎng)絡(luò)訓(xùn)練數(shù)據(jù)。

        人臉識別仿真實驗中,本文基于Tensorflow 深度學(xué)習(xí)框架,首先配置訓(xùn)練環(huán)境,選擇輸入圖像參數(shù),網(wǎng)絡(luò)深度等參數(shù)進(jìn)行模型訓(xùn)練?;谶w移學(xué)習(xí)的原始數(shù)據(jù)預(yù)訓(xùn)練得到的超參數(shù):Learning momentum 設(shè)置為0.9,regularization parameter 設(shè)置為0.02,圖像批處理大小設(shè)置為16,learning rate 設(shè)置為10-3 防止過擬合。

        4.2 改進(jìn)SSD 模型人臉識別結(jié)果及分析

        將本文提出的基于遷移學(xué)習(xí)的SSD 網(wǎng)絡(luò)進(jìn)行建模訓(xùn)練后,應(yīng)用于測試集進(jìn)行識別結(jié)果檢測。圖2(a)和(b)給出了人臉識別的測試原圖1和原圖2,對應(yīng)的識別結(jié)果分別為圖2(c)和(d),并且圖中給出了人臉準(zhǔn)確率、處理時長及每秒可處理的幀數(shù)??梢钥闯?,當(dāng)圖像中的人臉有較大的表情動作或者人臉比例較小的情況下,改進(jìn)后的SSD 能夠快速準(zhǔn)確識別人的正臉。

        圖2 基于改進(jìn)SSD 人臉識別原圖及結(jié)果圖

        圖3給出了未經(jīng)過數(shù)據(jù)增強(qiáng)的SSD 模型及經(jīng)過數(shù)據(jù)增強(qiáng)的改進(jìn)的SSD 模型對側(cè)臉的識別對比結(jié)果圖。如圖3(a)中人臉向左邊傾斜,左右不對稱,左臉部分面積小。圖3(b)為未經(jīng)過數(shù)據(jù)增強(qiáng)的SSD 識別結(jié)果,圖3(c)為經(jīng)過數(shù)據(jù)增強(qiáng)后的改進(jìn)SSD 識別結(jié)果。由圖中數(shù)據(jù)可以明顯看出未經(jīng)過數(shù)據(jù)增強(qiáng)的SSD 模型識別對側(cè)臉的覆蓋率差,識別準(zhǔn)確率相對更低。反之,經(jīng)過數(shù)據(jù)增強(qiáng)后的改進(jìn)SSD 模型對微側(cè)臉的模型具有更好的覆蓋率和準(zhǔn)確率。

        圖3 數(shù)據(jù)增強(qiáng)的側(cè)臉識別結(jié)果對比

        圖4(a)和(b)給出了由于人物動作導(dǎo)致人臉圖像不完整、出現(xiàn)輕微遮擋的原圖1和原圖2,圖4(c)、(d)為識別后的圖像,由結(jié)果圖可以看出,改進(jìn)后的SSD 模型對有輕微遮擋的人臉識別效果較好,且識別速度較快、魯棒性強(qiáng)。

        圖4 基于改進(jìn)SSD 人臉識別模型識別輕微遮擋圖像

        為了對本文提出的改進(jìn)SSD 模型進(jìn)行客觀評價,采用指標(biāo)查準(zhǔn)率P(%)和召回率R(%)進(jìn)行評價。其中P 表示檢測框正確的比例,如式(2)所示,R 表示正確預(yù)測框在所有預(yù)測框中的比例,如式(3)所示。

        mAP(mean average precision)表示目標(biāo)查準(zhǔn)率基礎(chǔ)上對召回率積分的平均,本文的改進(jìn)SSD 模型的P-R 曲線如圖5所示,由圖可見,本文的SSD 網(wǎng)絡(luò)識別精度較高。

        圖5 基于改進(jìn)SSD 模型P-R 曲線圖

        5 結(jié)論

        人臉識別是人工智能應(yīng)用的熱門問題,而卷積神經(jīng)網(wǎng)絡(luò)則是圖像識別領(lǐng)域新興的有效方法。本文以人臉識別為研究內(nèi)容,在經(jīng)典SSD 模型的基礎(chǔ)上,運(yùn)用遷移學(xué)習(xí)的方法,將標(biāo)準(zhǔn)數(shù)據(jù)集下的權(quán)重移植到SSD 模型訓(xùn)練中作為初始權(quán)重模型,并采用數(shù)據(jù)加強(qiáng)和增加卷積模型深度的方法進(jìn)一步提高模型檢測精度和準(zhǔn)確性,仿真實驗結(jié)果表明,本文SSD 模型可以有效識別多姿態(tài)、多角度、輕微遮擋的人臉目標(biāo),準(zhǔn)確率較高、識別速度快、魯棒性強(qiáng)。

        猜你喜歡
        人臉識別模型
        一半模型
        人臉識別 等
        重要模型『一線三等角』
        重尾非線性自回歸模型自加權(quán)M-估計的漸近分布
        揭開人臉識別的神秘面紗
        基于(2D)2PCA-LBP 的人臉識別方法的研究
        電子制作(2017年17期)2017-12-18 06:40:55
        人臉識別在高校安全防范中的應(yīng)用
        電子制作(2017年1期)2017-05-17 03:54:46
        3D打印中的模型分割與打包
        FLUKA幾何模型到CAD幾何模型轉(zhuǎn)換方法初步研究
        基于類獨(dú)立核稀疏表示的魯棒人臉識別
        成人在线观看av毛片| 中文字幕久热精品视频免费| 久久综合久久鬼色| 亚洲av无码成人黄网站在线观看 | 中文字幕av在线一二三区| 狠狠亚洲婷婷综合久久久| 国产精品亚洲综合久久系列| 极品av一区二区三区| 国产乱了真实在线观看| 亚洲饱满人妻视频| 自拍视频国产在线观看| 国产一区二区三区免费精品视频| 国产三级av在线播放| 亚洲av乱码中文一区二区三区| 亚洲国产成人久久综合三区| 国产一区二区精品人妖系列在线| 99精品国产丝袜在线拍国语| 久久无码人妻精品一区二区三区| 亚洲午夜精品久久久久久抢 | 91精品国产综合久久国产| 国产毛女同一区二区三区| 亚洲一区 日韩精品 中文字幕| 69av视频在线观看| 亚洲天堂免费成人av| 五月激情综合婷婷六月久久| 免费国产黄网站在线观看| 久青草国产在线观看| 日本看片一区二区三区 | 久久精品中文闷骚内射| 国产精品亚洲日韩欧美色窝窝色欲| 国产高清黄色在线观看91| 青青草免费在线视频导航| 女色av少妇一区二区三区| 中文成人无字幕乱码精品区| 国产精品每日更新在线观看| av一区二区三区观看| 中国老太婆bb无套内射| 久久无码人妻一区二区三区午夜 | 午夜福利一区二区三区在线观看| 夜夜春精品视频| 国产一区二区三区精品成人爱|