分享到:

陕西创泓信息科技有限公司西安人脸识别选择陕西创泓信息科技有限公司

联系资料

陕西创泓信息科技有限公司
所在地区:
陕西省 西安市
公司主页:
暂无
电话号码:
0298*******
传真号码:
暂无
联 系 人:
暂无
移动电话:
1357*******
电子邮箱:
暂无

使用神经网络来做人脸识别并不是什么新思想

发布于 2019年03月29日

[摘要]使用神经网络来做人脸识别并不是什么新思想。1997 年就有研究者为人脸检测、眼部定位和人脸识别提出了一种名为「基于概率决策的神经网络(PBDNN)」的早期方法。这种人脸识别 PDBNN 被分成了每一个训练主体一个全连接子网络,以降低隐藏单元的数量和避免过拟合。研究者使用密度和边特征分别训练了两个 PBDNN,然后将它们的输出组合起来得到最终分类决定。
使用神经网络来做人脸识别并不是什么新思想。1997 年就有研究者为人脸检测、眼部定位和人脸识别提出了一种名为「基于概率决策的神经网络(PBDNN)」的早期方法。这种人脸识别 PDBNN 被分成了每一个训练主体一个全连接子网络,以降低隐藏单元的数量和避免过拟合。研究者使用密度和边特征分别训练了两个 PBDNN,然后将它们的输出组合起来得到最终分类决定。

西安人脸识别技术

另一种早期方法则组合使用了自组织映射(SOM)和卷积神经网络。自组织映射是一类以无监督方式训练的神经网络,可将输入数据映射到更低维的空间,同时也能保留输入空间的拓扑性质(即在原始空间中相近的输入在输出空间中也相近)。注意,这两种早期方法都不是以端到端的方式训练的(中使用了边特征,中使用了 SOM),而且提出的神经网络架构也都很浅。中提出了一种端到端的人脸识别 CNN。

西安人脸识别认证

这种方法使用了一种孪生式架构,并使用了一个对比损失函数来进行训练。这个对比损失使用了一种度量学习流程,其目标是最小化对应同一主体的特征向量对之间的距离,同时最大化对应不同主体的特征向量对之间的距离。该方法中使用的 CNN 架构也很浅,且训练数据集也较小。