黃躍俊， 白 創(chuàng)

(長(zhǎng)沙理工大學(xué) 物理與電子科學(xué)學(xué)院,湖南 長(zhǎng)沙 410114)

0 引 言

人臉識(shí)別技術(shù)作為一門重要的生物特征識(shí)別技術(shù)，已被廣泛應(yīng)用于身份驗(yàn)證領(lǐng)域。傳統(tǒng)人臉識(shí)別方法多是基于人工特征加分類器的思路，而人工特征屬于淺層表示，不足以表達(dá)高維的非線性人臉特征，導(dǎo)致人臉識(shí)別精度偏低[1]。由于卷積神經(jīng)網(wǎng)絡(luò)(convolutional neural network,CNN)能通過(guò)訓(xùn)練學(xué)習(xí)到深層次的隱性人臉特征，極大地提高了人臉識(shí)別準(zhǔn)確率，因此,在人臉識(shí)別領(lǐng)域得到了廣泛的研究和應(yīng)用[2]。

近年來(lái)，Taigman Y等人[3]提出的DeepFace采用尺寸較大的卷積核，引入多個(gè)權(quán)重不共享的局部卷積層，增加了特征的多樣性。文獻(xiàn)[4,5]提出的DeepID系列網(wǎng)絡(luò)，通過(guò)擴(kuò)大卷積層的通道數(shù)、采用連續(xù)卷積層等來(lái)增加網(wǎng)絡(luò)的寬度和深度，同時(shí)擴(kuò)充訓(xùn)練集，使得網(wǎng)絡(luò)性能有了較大的提升。Schroff F等人[6]提出的FaceNet采用三元組損失函數(shù)，提高了特征的判別性，但三元組的選擇容易受壞數(shù)據(jù)的影響，導(dǎo)致模型陷入局部最優(yōu)乃至崩潰。

這些卷積網(wǎng)絡(luò)結(jié)構(gòu)雖然通過(guò)增加網(wǎng)絡(luò)的層數(shù)能提高人臉識(shí)別精度，但網(wǎng)絡(luò)參數(shù)量和計(jì)算量也會(huì)成倍增加，需要耗費(fèi)更多的硬件資源和推理時(shí)間。針對(duì)卷積神經(jīng)網(wǎng)絡(luò)參數(shù)多、計(jì)算開銷大及推理時(shí)間長(zhǎng)的問(wèn)題，采用了深度可分離卷積(depth separable convolution)和全局平均池化技術(shù)對(duì)卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行設(shè)計(jì)，同時(shí)通過(guò)加入中心損失優(yōu)化目標(biāo)函數(shù)，提出一種小型、識(shí)別精度更高的Small-FRNet(small face recognition network)模型。

1 Small-FRNet模型

1.1 傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)

圖1為L(zhǎng)eNet—5卷積神經(jīng)網(wǎng)絡(luò)。如圖1所示，傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)由輸入層、隱含層和輸出層三個(gè)部分組成。其中,輸入層為32×32的單通道圖像；隱含層負(fù)責(zé)對(duì)輸入圖像進(jìn)行特征提?。惠敵鰧觿t預(yù)測(cè)出其所屬類別。

圖1 LeNet—5卷積神經(jīng)網(wǎng)絡(luò)

傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)的隱含層通常由卷積層、池化層和全連接層組成。當(dāng)卷積步長(zhǎng)為1、零填充時(shí)，卷積層計(jì)算公式為

式中W為k×k的卷積核，b為偏置值，X為M×N的輸入特征圖，H為(M-k+1)×(N-k+1)的輸出特征圖。由式(1)可知，卷積運(yùn)算包含了繁雜的乘法操作，且當(dāng)輸入特征圖X和卷積核W越大，更加增加了計(jì)算開銷。

同時(shí)卷積神經(jīng)網(wǎng)絡(luò)中包含的全連接層雖然能有效地預(yù)測(cè)出特征表示的所屬類別，但是其計(jì)算量也十分龐大。

綜上所述，傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)存在著運(yùn)算量大、參數(shù)量多等問(wèn)題。因此本文采用深度可分離卷積和全局平均池化技術(shù)從網(wǎng)絡(luò)結(jié)構(gòu)上進(jìn)行改進(jìn)，并聯(lián)合中心損失(center-loss)作為監(jiān)督信號(hào)，提出了一種小型的、識(shí)別精度更高的Small-FRNet網(wǎng)絡(luò)。

1.2 改進(jìn)的Small-FRNet模型

圖2為Small-FRNet網(wǎng)絡(luò)。該網(wǎng)絡(luò)主要由深度可分離卷積層和全局平均池化層組成。相比傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)，該網(wǎng)絡(luò)采用堆疊的深度可分離卷積層對(duì)輸入圖像實(shí)現(xiàn)高級(jí)特征提取，并以全局池化層作為特征表示層，減少網(wǎng)絡(luò)參數(shù)量和計(jì)算量?？紤]局部信息會(huì)存在丟失，全局平均池化層還增加了與第五層的深度可分離卷積層的連接。此外在訓(xùn)練過(guò)程中聯(lián)合了SoftMax損失和中心損失(center-loss)作為監(jiān)督信號(hào)，提高網(wǎng)絡(luò)的人臉識(shí)別精度。

圖2 Small-FRNet網(wǎng)絡(luò)

表1為Small-FRNet網(wǎng)絡(luò)參數(shù)配置。由表可知，Small-FRNet網(wǎng)絡(luò)的輸入為68×68的RGB三通道人臉圖像，每個(gè)卷積層采用了3×3或1×1的小卷積核，且均使用了ReLU激活函數(shù)。同時(shí)除DS Conv6卷積層保持不變外，每組卷積層的輸出特征圖大小成倍減少，輸出通道數(shù)則成倍遞增。此外整個(gè)網(wǎng)絡(luò)的參數(shù)量約為3.6×106個(gè)，計(jì)算量約為72.3×106次。

表1 Small-FRNet網(wǎng)絡(luò)的參數(shù)配置

2 關(guān)鍵部件實(shí)現(xiàn)

2.1 深度可分離卷積

深度可分離卷積是標(biāo)準(zhǔn)卷積的一種分解形式[7,8]，它將標(biāo)準(zhǔn)卷積分解成兩部分：Depthwise卷積和Pointwise卷積。圖3展示了將標(biāo)準(zhǔn)卷積分解成Depthwise卷積和Pointwise卷積的過(guò)程。Depthwise卷積負(fù)責(zé)對(duì)每個(gè)輸入通道采用單個(gè)濾波器進(jìn)行運(yùn)算(即Filter操作)；Pointwise卷積采用1×1卷積組合Depthwise卷積的輸出(即Combine操作)。而標(biāo)準(zhǔn)卷積的Filter和Combine操作是在一個(gè)步驟內(nèi)同時(shí)完成的。

圖3 標(biāo)準(zhǔn)卷積分解成Depthwise卷積和Pointwise卷積的過(guò)程

假設(shè)標(biāo)準(zhǔn)卷積的輸入特征圖F大小為DF×DF，輸入通道數(shù)為M；輸出特征圖G大小也為DF×DF，輸出通道數(shù)為N。且卷積核K大小為DK×DK，步長(zhǎng)為1，有填充。則不考慮偏置時(shí)，深度可分離卷積層與標(biāo)準(zhǔn)卷積層的計(jì)算量之比為

而第一項(xiàng)中N取值往往相對(duì)較大，可以忽略。因此,當(dāng)DK取值為3時(shí)，相比于標(biāo)準(zhǔn)卷積層，深度可分離卷積層的計(jì)算量能降低9倍。

2.2 全局平均池化層

全局平均池化層是指通過(guò)對(duì)每個(gè)輸入特征圖的整個(gè)區(qū)域求均值，以作為對(duì)應(yīng)特征圖的輸出[9]。圖4為全連接層與全局平均池化層的對(duì)比。假設(shè)輸入特征圖個(gè)數(shù)為n，則全局平均池化層輸出特征維度也為n，通過(guò)先對(duì)輸入特征圖分別進(jìn)行累加求均值，再送入SoftMax層計(jì)算出屬于各個(gè)類別的概率值，概率最大的即為所預(yù)測(cè)的類別。相比全連接層，全局平均池化層沒(méi)有額外參數(shù)和復(fù)雜的乘法，有效地降低了計(jì)算開銷；同時(shí)全局平均池化層對(duì)網(wǎng)絡(luò)結(jié)構(gòu)直接進(jìn)行了正則化，緩解了過(guò)擬合現(xiàn)象。

圖4 全連接層與全局平均池化層的對(duì)比

2.3 聯(lián)合監(jiān)督信號(hào)

傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)使用SoftMax損失函數(shù)作為監(jiān)督信號(hào)來(lái)進(jìn)行訓(xùn)練。而對(duì)于人臉識(shí)別任務(wù)而言，SoftMax損失僅能促進(jìn)特征的可分離性，并不能提取出具有判別性的特征。因此,本文在SoftMax損失的基礎(chǔ)上，加入中心損失[10]，構(gòu)建聯(lián)合監(jiān)督信號(hào)作為損失函數(shù)。

假設(shè)訓(xùn)練樣本為xi(i=1,2,...,m)，m為迭代時(shí)樣本個(gè)數(shù)，yi為樣本xi所屬類別，cyi為第yi類的類別中心，則中心損失Lossc和聯(lián)合監(jiān)督信號(hào)Loss分別為

式中Losss為SoftMax損失;W,b分別為SoftMax層的權(quán)重和偏置;λ為比例系數(shù)，用于平衡SoftMax損失和中心損失之間的比例。在訓(xùn)練過(guò)程中，SoftMax損失迫使不同類別的特征保持分離；同時(shí)中心損失最小化特征與其類別中心之間的距離。因此，在聯(lián)合監(jiān)督信號(hào)的作用下，既擴(kuò)大了類間差異，又減少了類內(nèi)差異，從而提高特征的判別性。

3 結(jié)果與分析

本文基于TensorFlow框架實(shí)現(xiàn)Small-FRNet模型，采用CASIA-WebFace人臉庫(kù)(包含10 575個(gè)人，共494 414張人臉圖片)作為訓(xùn)練數(shù)據(jù)集，按4∶1的比例分成訓(xùn)練集和驗(yàn)證集，訓(xùn)練過(guò)程中將圖片水平翻轉(zhuǎn)、區(qū)域裁剪及尺寸縮放進(jìn)行數(shù)據(jù)擴(kuò)增，并在LFW人臉庫(kù)(包含5 749個(gè)人，共13 233張人臉圖片)上進(jìn)行測(cè)試。實(shí)驗(yàn)中,分別對(duì)比分析了深度可分離卷積與標(biāo)準(zhǔn)卷積、全局平均池化層與全連接層及聯(lián)合監(jiān)督信號(hào)與SoftMax損失，最后將Small-FRNet模型與其他的人臉模型進(jìn)行性能比較。

1)深度可分離卷積層與標(biāo)準(zhǔn)卷積層的對(duì)比

表2為深度可分離卷積與標(biāo)準(zhǔn)卷積在近似性能下的參數(shù)量和計(jì)算量對(duì)比。由表可知，在相同網(wǎng)絡(luò)深度和卷積核尺寸下，采用深度可分離卷積層時(shí)網(wǎng)絡(luò)識(shí)別準(zhǔn)確率為89.78 %，相比標(biāo)準(zhǔn)卷積層，僅有略微下降，但其參數(shù)量和計(jì)算量分別減少8.5 %和22.3 %。因此，在獲得近似識(shí)別精度下可以采用深度可分離卷積替代標(biāo)準(zhǔn)卷積來(lái)構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)，以減少網(wǎng)絡(luò)的參數(shù)量和計(jì)算量。

表2 深度可分離卷積與標(biāo)準(zhǔn)卷積在近似性能下的參數(shù)量和計(jì)算量對(duì)比

2)全局平均池化層與全連接層的對(duì)比

表3為全局平均池化層與全連接層在近似性能下的計(jì)算量和參數(shù)量對(duì)比。由表可知，相比全連接層，以全局平均池化層作為特征表示層時(shí)，全局平均池化層的參數(shù)量和計(jì)算量可忽略不計(jì)，同時(shí)網(wǎng)絡(luò)的識(shí)別精度為95.58 %，能獲得近似的識(shí)別性能。因此，能采用全局平均池化層作為特征表示層來(lái)降低網(wǎng)絡(luò)的參數(shù)和計(jì)算量。

表3 全局平均池化層與全連接層在近似性能下的計(jì)算量和參數(shù)量對(duì)比

3)聯(lián)合監(jiān)督信號(hào)與SoftMax損失的對(duì)比

聯(lián)合監(jiān)督信號(hào)與SoftMax損失在LFW數(shù)據(jù)集上的準(zhǔn)確率對(duì)比,二者準(zhǔn)確率分別為99.25 %和95.68 %。相比單一的SoftMax損失，聯(lián)合SoftMax損失和中心損失作為監(jiān)督信號(hào)，提高了網(wǎng)絡(luò)識(shí)別精度近4 %。因此，通過(guò)在SoftMax Loss基礎(chǔ)上加入中心損失對(duì)目標(biāo)函數(shù)進(jìn)行優(yōu)化，能有效地提高特征的判別性，改善網(wǎng)絡(luò)的識(shí)別精度。

4)Small-FRNet模型與其他模型的性能對(duì)比

表4為Small-FRNet模型與其他模型在LFW數(shù)據(jù)集上的準(zhǔn)確率對(duì)比。由表可知，相比其他模型，Small-FRNet的人臉識(shí)別準(zhǔn)確率最高，達(dá)到了99.38 %，同時(shí)該模型的參數(shù)量和計(jì)算量最少，相比DeepFace網(wǎng)絡(luò)分別降低了97 %和86 %。因此，通過(guò)采用深度可分離卷積、全局平均池化技術(shù)和中心損失等來(lái)構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)模型，能有效地減少網(wǎng)絡(luò)的參數(shù)和計(jì)算量，提高人臉識(shí)別準(zhǔn)確率。

表4 Small-FRNet模型與其他模型在LFW數(shù)據(jù)集上的準(zhǔn)確率對(duì)比

4 結(jié)束語(yǔ)

本文提出了一種Small-FRNet模型，采用深度可分離卷積對(duì)標(biāo)準(zhǔn)卷積進(jìn)行分解，減少了網(wǎng)絡(luò)的參數(shù)量和計(jì)算量，再以全局平均池化層替代全連接層作為特征表示層，進(jìn)一步簡(jiǎn)化了網(wǎng)絡(luò)結(jié)構(gòu)，最后通過(guò)聯(lián)合SoftMax損失與中心損失作為監(jiān)督信號(hào)對(duì)損失函數(shù)進(jìn)行優(yōu)化，即在SoftMax-loss的基礎(chǔ)上，加入中心損失函數(shù)，迫使特征向所屬類別中心聚攏，從而擴(kuò)大類間差異，縮小類內(nèi)差異，提高了特征的判別性，有利于識(shí)別精度的提升。