科研之友
微信
新浪微博
Facebook
分享链接
摘要
深度学习网络在模式识别领域性能优异，但需要大量有标注样本对网络进行训练，而对于人脸认证情况下训练样本有限，且已有网络模型在不同人种间的性能差异大，往往会导致人脸认证失效。针对以上问题，本文首先在几种预训练深度网模型上构造孪生网络，并设计相似度度量网络；其次，选用多人种的人脸数据库（Racial Faces in-the-Wild，RFW）中不同人种构造正负样本对作为训练集，扩展数据分布，提高模型泛化能力，且在训练过程中采用循环训策略练提高模型的稳定性；最后，在测试集上采用ROC曲线及AUC值对不同模型性能进行评估，测试集与训练集样本无身份交叉，根据实验结果得出结论：VGG16作为主干网络的孪生网络模型更适合多人种人脸认证问题，PCANet提取的特征对African地区的人脸认证更有效。
-
单位电子信息工程学院; 河北大学
