深度卷積神經(jīng)網(wǎng)絡(luò)技術(shù)研究及其在人臉分析中的應(yīng)用.pdf

1、人臉分析是當(dāng)前計(jì)算機(jī)視覺、模式識別和機(jī)器學(xué)習(xí)等領(lǐng)域的熱門研究課題之一，得到了廣泛的關(guān)注。人臉分析主要通過人臉圖像來分析出人臉的各類信息，如:人臉身份、人臉表情、人臉年齡、人臉性別等。人臉分析在智能人機(jī)交互以及身份認(rèn)證等領(lǐng)域中具有重要的研究意義和實(shí)際應(yīng)用價(jià)值。但是由于人臉圖像中存在著巨大的可變性，人臉分析問題面臨著許多的挑戰(zhàn)。另一方面，深度學(xué)習(xí)是近年來一個非常熱門的研究課題，其通過大量的數(shù)據(jù)，自動地從數(shù)據(jù)中提取有效的特征表示，并用于后續(xù)的

2、分類、回歸等任務(wù)。這其中深度卷積神經(jīng)網(wǎng)絡(luò)已經(jīng)在圖像識別、語音識別、自然語言處理等領(lǐng)域展開了深入的研究并取得了良好的性能表現(xiàn)。因此，研究利用深度卷積神經(jīng)網(wǎng)絡(luò)技術(shù)進(jìn)行人臉分析是一項(xiàng)既富有挑戰(zhàn)又具有實(shí)際意義的工作。本文的主要工作具體如下:
　　本文首先廣泛調(diào)研了現(xiàn)有的深度學(xué)習(xí)方法及分類，介紹了常見的幾種深度學(xué)習(xí)模型，并著重介紹了常用的深度卷積神經(jīng)網(wǎng)絡(luò)方法，并綜述了深度學(xué)習(xí)在人臉相關(guān)領(lǐng)域中的應(yīng)用研究現(xiàn)狀。
　　其次，本文分析了基于深

3、度學(xué)習(xí)的目標(biāo)檢測方法，并討論了將深度學(xué)習(xí)應(yīng)用于人臉檢測問題中。針對訓(xùn)練人臉分類器中樣本選擇等問題，本文提出了基于Bootstrap的深度學(xué)習(xí)人臉檢測方法，在FDDB和AFW人臉檢測評測數(shù)據(jù)庫中，分別提高了2％和2.1％的檢測率。
　　緊接著，本文系統(tǒng)地介紹了基于深度學(xué)習(xí)的人臉識別方法，并分析和比較在人臉特征提取中進(jìn)行訓(xùn)練網(wǎng)絡(luò)的各種方法的優(yōu)點(diǎn)和缺點(diǎn)。在此基礎(chǔ)上，我們提出了一種基于混合訓(xùn)練的深度人臉特征提取方法，將訓(xùn)練基于Triple