科研之友
微信
新浪微博
Facebook
分享链接
摘要
无约束人脸检索场景中，为了进一步提高识别精度，实践中往往会引入多个主流的深度学习人脸识别模型。针对每次从多个模型检索结果中确认人脸身份的工作量较大问题，以及考虑支持异质模型的插件式更换，使用基于Blending集成学习的人脸检索，将多个人脸识别模型作为基模型，并提出了一种基于蚁群算法优化的XGBoost作为元学习器对基模型的人脸相似度预测结果进行融合。实验结果表明：集成模型相对个体模型的检索性能均有不同程度提升，其中蚁群优化的XGBoost作为元模型的集成模型检索性能优于多项式回归、随机森林和GBDT作为元模型的性能，验证了集成模型和优化后的XGBoost的有效性。
-
单位南京市公安局; 中国人民公安大学
