应用于人脸识别的多任务卷积神经网络性能优化

1

作者 叶惠仙 《中原工学院学报》 CAS 2024年第1期8-13,共6页

对一种多任务卷积神经网络的人脸识别性能进行研究与优化。该神经网络采用3个独立的任务网络分别进行人脸检测、关键点定位和人脸识别。让3个任务网络在训练过程中共享底层卷积层的特征表示,使得模型能针对多个任务同时进行学习,进而提... 对一种多任务卷积神经网络的人脸识别性能进行研究与优化。该神经网络采用3个独立的任务网络分别进行人脸检测、关键点定位和人脸识别。让3个任务网络在训练过程中共享底层卷积层的特征表示,使得模型能针对多个任务同时进行学习,进而提高其泛化能力和识别精度。为了增强模型对图像的学习能力,采用一种数据增强和迁移学习技术,使人脸识别系统的准确性、鲁棒性和可靠性均得到了显著提升。研究结果为发展人脸识别技术提供了新的思路,尤其在处理复杂场景和多样化人脸图像方面具有一定的应用前景。 展开更多

关键词 多任务学习 多任务卷积神经网络(MTCNN) 人脸识别 网络性能优化

在线阅读 下载PDF 职称材料

基于多任务卷积神经网络的人脸识别技术分析 被引量：2

2

作者 刘世芳 胡振邦 《信息记录材料》 2021年第2期177-178,共2页

随着我国科技方面的快速发展,人脸识别技术已经得到了良好的提升,但是其中还有着较大的进步空间,这已经对我国的人脸识别技术造成了一定程度上的阻碍。本文将对多任务卷积神经网络与人脸识别机技术进行简要的概述,并且对卷积神经网络的... 随着我国科技方面的快速发展,人脸识别技术已经得到了良好的提升,但是其中还有着较大的进步空间,这已经对我国的人脸识别技术造成了一定程度上的阻碍。本文将对多任务卷积神经网络与人脸识别机技术进行简要的概述,并且对卷积神经网络的划分进行具体的分析,最后对基于多任务卷积神经网络的人脸识别技术发展趋势进行深入的研究。 展开更多

关键词 多任务卷积神经网络 人脸识别 识别技术

在线阅读 下载PDF 职称材料

融合Gamma校正与多任务卷积神经网络的人脸识别

3

作者 林德贵 邱富杭 余清清 《信息技术与信息化》 2023年第11期179-182,共4页

针对当前基于深度学习的人脸识别算法对一些模糊或较暗图像识别人脸准确率不高的问题,结合Gamma校正算法优点,提出了融合Gamma校正的多任务卷积神经网络(multi-task convolutional neural networks,MTCNN)人脸识别算法(gamma multi-task... 针对当前基于深度学习的人脸识别算法对一些模糊或较暗图像识别人脸准确率不高的问题,结合Gamma校正算法优点,提出了融合Gamma校正的多任务卷积神经网络(multi-task convolutional neural networks,MTCNN)人脸识别算法(gamma multi-task convolutional neural network,GMTCNN)。首先,利用Gamma校正增加图像像素低的对比度,同时减少图像像素高的部分的对比度;其次,利用MTCNN算法对处理后的图像人脸识别。实验结果表明,GMTCNN算法对有遮挡物的人脸识别率更高,并且能够准确识别一张图的多张人脸。 展开更多

关键词 GAMMA校正 图像增强 多任务卷积神经网络 深度学习 人脸识别

在线阅读 下载PDF 职称材料

基于情感词和多任务卷积神经网络的文本情感分布学习 被引量：3

4

作者 江晨琳 曾雪强 +3 位作者 郭小奉 东雨畅 左家莉 王明文 《中文信息学报》 CSCD 北大核心 2023年第4期126-136,共11页

不同于传统的情感分析范式,情感分布学习采用与示例关联的情感分布对多种情绪进行定量建模,可以较好地处理具有情绪模糊性的情感分析任务。针对现有情感分布学习方法缺乏考虑文本分析任务特有的情感词语言学先验知识的问题,该文提出一... 不同于传统的情感分析范式,情感分布学习采用与示例关联的情感分布对多种情绪进行定量建模,可以较好地处理具有情绪模糊性的情感分析任务。针对现有情感分布学习方法缺乏考虑文本分析任务特有的情感词语言学先验知识的问题,该文提出一种基于情感词和多任务卷积神经网络(Lexicon enhanced Multi-Task Convolutional Neural Network,LMT-CNN)的文本情感分布学习模型,用于预测文本的情感分布和情绪标签。LMT-CNN模型的网络结构由文本语义信息模块、情感词的情感知识模块和多任务预测模块组成,采用端到端方式进行模型训练和预测。在7个常用的文本情感数据集上的对比实验结果表明,LMT-CNN模型具有比已有的情感分布学习方法更优的情感分布预测和情绪分类性能。 展开更多

关键词 情感分布学习 文本情绪分析 情感词 多任务卷积神经网络

在线阅读 下载PDF 职称材料

基于情感轮和多任务卷积神经网络的图像情感分布学习 被引量：4

5

作者 赖金水 万中英 曾雪强 《江西师范大学学报（自然科学版）》 CAS 北大核心 2022年第4期363-371,共9页

图像情感分布学习可以对多种情绪同时进行建模,但现有的模型缺乏有效的方法直接考虑情绪之间的相关性.针对这一问题,该文提出一种基于情感轮和多任务卷积神经网络(EW-MTCNN)的图像情感分布学习模型,通过先验知识模块将心理学情感知识直... 图像情感分布学习可以对多种情绪同时进行建模,但现有的模型缺乏有效的方法直接考虑情绪之间的相关性.针对这一问题,该文提出一种基于情感轮和多任务卷积神经网络(EW-MTCNN)的图像情感分布学习模型,通过先验知识模块将心理学情感知识直接引入到深度神经网络中.基于Mikel′s情感轮定义成对情绪之间的相关性,EW-MTCNN模型采用多任务卷积神经网络学习情绪之间的相关性信息,同时优化情感分布预测和情绪分类任务.EW-MTCNN模型由3个模块组成,3个模块分别是图像特征提取层、情感轮先验知识层和多任务损失层.在情感分布数据集(Emotion6)和单标签数据集(Artphoto)上进行对比实验的结果表明:EW-MTCNN模型在情感分布预测与情绪分类任务上比其他情感分布学习方法具有更优的性能. 展开更多

关键词 Mikel′s情感轮 多任务卷积神经网络 情感分布学习 情绪分类 标记分布学习

在线阅读 下载PDF 职称材料

面向AR-HUD的多任务卷积神经网络研究 被引量：5

6

作者 冯明驰 卜川夏 萧红 《仪器仪表学报》 EI CAS CSCD 北大核心 2021年第3期241-250,共10页

汽车上AR-HUD已经得到了广泛应用,其环境感知模块需完成目标检测、车道分割等多个任务,但是多个深度神经网络同时运行会消耗过多的计算资源。针对这一问题,本文提出一种应用于AR-HUD环境感知的轻量级多任务卷积神经网络DYPNet,其以YOLOv... 汽车上AR-HUD已经得到了广泛应用,其环境感知模块需完成目标检测、车道分割等多个任务,但是多个深度神经网络同时运行会消耗过多的计算资源。针对这一问题,本文提出一种应用于AR-HUD环境感知的轻量级多任务卷积神经网络DYPNet,其以YOLOv3-tiny框架为基础,融合金字塔池化模型、DenseNet的密集连接结构、CSPNet网络模型的思想,在精度未下降的情况下大幅减少了计算资源消耗。针对该神经网络难以训练的问题,提出了一种基于动态损失权重的线性加权求和损失函数,使子网络损失值趋于同步下降,且同步收敛。经过在公开数据集BDD100K上训练及测试,结果表明该神经网络的检测mAP和分割mIOU分别为30%,77.14%,使用TensorRt加速后,在Jetson TX2上已经可以达到15 frame·s-1左右,已达到AR-HUD的应用要求,并成功应用于车载AR-HUD。 展开更多

关键词 增强现实抬头显示器 多任务卷积神经网络 目标检测 语义分割

在线阅读 下载PDF 职称材料

基于多任务卷积神经网络的实时人眼检测方法 被引量：1

7

作者 张成 陈杰春 +1 位作者 吴猛 陈旭 《信息与电脑》 2022年第17期83-85,共3页

针对戴眼镜、人脸姿态变化以及眯眼睛等复杂场景,提出了一种基于多任务卷积神经网络(MultiTask CascadedConvolutionalNetworks,MTCNN)的人眼检测算法。针对性地调整与优化网络,删除landmark部分以简化网络结构,进而调整网络的输入尺寸... 针对戴眼镜、人脸姿态变化以及眯眼睛等复杂场景,提出了一种基于多任务卷积神经网络(MultiTask CascadedConvolutionalNetworks,MTCNN)的人眼检测算法。针对性地调整与优化网络,删除landmark部分以简化网络结构,进而调整网络的输入尺寸,使模型更适用于人眼检测。实验结果表明,基于MTCNN的人眼检测算法在数据集上准确率达92.1%,图形处理器(GraphicsProcessingUnit,GPU)检测速度达112frames/s,可以有效兼顾实时性与准确性。 展开更多

关键词 人眼检测 多任务卷积神经网络(MTCNN) 图形处理器(GPU)

在线阅读 下载PDF 职称材料

基于多任务卷积神经网络的人脸识别技术研究 被引量：9

8

作者 祝永志 苏晓云 《通信技术》 2020年第3期718-723,共6页

深度神经网络是目前计算机机器学习领域的一个关键技术,可应用于图像处理。其中,多任务卷积神经网络(Multi-task Convolutional Neural Network,MTCNN)是一种基于卷积神经网络的多任务人脸检测框架,这里采用MTCNN人脸检测模型代替传统... 深度神经网络是目前计算机机器学习领域的一个关键技术,可应用于图像处理。其中,多任务卷积神经网络(Multi-task Convolutional Neural Network,MTCNN)是一种基于卷积神经网络的多任务人脸检测框架,这里采用MTCNN人脸检测模型代替传统的卷积神经网络,在深度学习框架TensorFlow上进行人脸识别。首先,在数据预处理阶段利用灰度化方法将图像集转变为灰度图,降低图像通道。其次,基于MTCNN构建人脸检测模型,并利用Softmax函数进行分类识别。最后,实验过程中选择不同迭代次数进行准确性对比,在模型趋于稳定的情况下,得到较高的准确性。 展开更多

关键词 多任务卷积神经网络 灰度处理 TensorFlow框架 人脸识别

在线阅读 下载PDF 职称材料

基于多任务卷积神经网络的轨道车辆螺栓异常检测方法 被引量：3

9

作者 王勇 袁啸阳 +4 位作者 陈铎 厉承臻 李健 崔伟 李振宝 《铁道车辆》 2020年第5期29-32,I0003,共5页

基于机器视觉自动检测方式,提出了一种多任务卷积神经网络检测螺栓异常的方法。该方法相比传统图像比对检测故障方式,准确率及检测效率均有较大提升。

关键词 多任务卷积神经网络 螺栓异常 图像对比

在线阅读 下载PDF 职称材料

基于深度卷积神经网络的地震震相拾取方法研究 被引量：21

10

作者 李健 王晓明 +3 位作者 张英海 王卫东 商杰 盖磊 《地球物理学报》 SCIE EI CAS CSCD 北大核心 2020年第4期1591-1606,共16页

地震震相拾取是地震数据自动处理的首要环节,包括了信号检测、到时估计和震相识别等过程,震相拾取的准确性直接影响到后续事件关联处理的性能,影响观测报告的质量.为了提高震相拾取的准确性,进而提高观测报告质量,本文采用深度卷积神经... 地震震相拾取是地震数据自动处理的首要环节,包括了信号检测、到时估计和震相识别等过程,震相拾取的准确性直接影响到后续事件关联处理的性能,影响观测报告的质量.为了提高震相拾取的准确性,进而提高观测报告质量,本文采用深度卷积神经网络方法来解决震相拾取问题,构建了多任务卷积神经网络模型,设计了分类和回归的联合损失函数,定义了基于加权的分类损失函数,以三分量地震台站的波形数据作为输入,同时实现对震相的检测识别和到时的精确估计.利用美国南加州地震台网的200万条震相和噪声数据对模型进行训练、验证和测试,对于测试集中直达波P、S震相识别的查全率达到98%以上,到时估计的标准偏差分别为0.067s,0.082s.利用迁移学习和数据增强,将模型用于对我国东北地区台网的6个台站13000条数据的训练、验证和测试中,对该数据集P、S震相查全率分别达到91.21%、85.65%.基于迁移训练后的模型,设计了用于连续数据的震相拾取方法,利用连续的地震数据对该算法进行了实际应用测试,并与国家数据中心和中国地震局的观测报告进行比对,该方法的震相检测识别率平均可达84.5%,验证了该方法在实际应用中的有效性.本文所提出的方法展示了深度神经网络在地震震相拾取中的优异性能,为地震震相和事件的检测识别提供了新的思路. 展开更多

关键词 多任务卷积神经网络 震相拾取 联合损失函数 迁移学习

在线阅读 下载PDF 职称材料

基于深度卷积神经网络的蝇类面部识别 被引量：13

11

作者 陈彦彤 陈伟楠 +2 位作者 张献中 李雨阳 王俊生 《光学精密工程》 EI CAS CSCD 北大核心 2020年第7期1558-1567,共10页

针对蝇类昆虫物种繁多、特征复杂等因素,导致蝇类识别准确率低、耗时较长等问题。本文借鉴深度学习方法中的人脸识别算法,提出一种基于深度卷积神经网络的蝇类面部识别方法。首先,在图像对齐过程中,使用多任务卷积神经网络并进行优化即... 针对蝇类昆虫物种繁多、特征复杂等因素,导致蝇类识别准确率低、耗时较长等问题。本文借鉴深度学习方法中的人脸识别算法,提出一种基于深度卷积神经网络的蝇类面部识别方法。首先,在图像对齐过程中,使用多任务卷积神经网络并进行优化即应用深度可分离卷积减少计算参数,缩短图像预处理时间。其次,应用轮廓特征粗提取和具体部位特征细提取相结合的方式提取更加丰富的特征信息即使用卷积池化粗提取出图像的轮廓特征值;同时,使用Inception-ResNet网络、Reduction网络细提取出具体部位特征值。最终在网络训练时,结合上述方法使得提取到的特征信息更加精确全面。实验表明,所提方法的准确率达到94.03%,相较于其他网络训练方法,该方法在保证较高准确率的情况下提升计算效率。 展开更多

关键词 蝇类面部识别 深度卷积神经网络 多任务卷积神经网络 Inception-ResNet网络 Reduction网络

在线阅读 下载PDF 职称材料

基于多任务网络的海上目标检测与区域分割

12

作者 赵北京 任鸿翔 +1 位作者 张博翔 丁玉龙 《计算机仿真》 2024年第10期182-187,278,共7页

针对单任务网络理解海上场景所需要提供的视觉信息的维度局限性和计算负担的问题,提出了一种基于YOLOv5的海上目标检测和区域分割的多任务算法。首先将空洞卷积及混合注意力引入ASPP模块,扩大感受野,增强模型对船舶的定位能力和区分背... 针对单任务网络理解海上场景所需要提供的视觉信息的维度局限性和计算负担的问题,提出了一种基于YOLOv5的海上目标检测和区域分割的多任务算法。首先将空洞卷积及混合注意力引入ASPP模块,扩大感受野,增强模型对船舶的定位能力和区分背景与前景的能力;采用改进的PAN+模块,提升模型对不同语义信息的融合能力;引入边缘增强模块,在不损伤检测速度的情况下,提升水面岸体的分割精度。实验结果表明,上述方法相较于YOLOv5s船舶检测精度提升了5.2个百分点,相较于YOLOP分割精度提升了3.2个百分点,能够在较小计算量的情况下很好地平衡检测和分割精度与实时性。 展开更多

关键词 多任务卷积神经网络 目标检测语义分割

在线阅读 下载PDF 职称材料

基于改进的卷积神经网络的交通标志检测与识别算法 被引量：5

13

作者 卢飞宇 《工业控制计算机》 2019年第6期54-56,共3页

针对现有算法对自然场景中交通标志检测及识别存在准确率和实时性不能满足实际需求的问题,提出了一种基于改进的多任务级联卷积神经网络(MTCNN)交通标志检测与识别算法。首先采用限制对比度直方图均衡化方法,以及添加固定高斯噪声作为... 针对现有算法对自然场景中交通标志检测及识别存在准确率和实时性不能满足实际需求的问题,提出了一种基于改进的多任务级联卷积神经网络(MTCNN)交通标志检测与识别算法。首先采用限制对比度直方图均衡化方法,以及添加固定高斯噪声作为数据增强的方法,达到改善和增强训练样本质量的目标;然后提出一个改进的多任务级联CNN,通过加深神经网络以及融合特征图的方式,增强特征表达能力,从而提高对交通标志的检测与识别性能。 展开更多

关键词 交通标志检测与识别 多任务级联卷积神经网络 融合特征图

在线阅读 下载PDF 职称材料

基于多任务全卷积网络的人流监测系统 被引量：2

14

作者 韦蕊 彭天亮 《计算机与数字工程》 2018年第3期489-491,500,共4页

由于尺度变化问题,对图片中的人流数量进行估计具有较大的挑战,随着深度学习的发展,现有一些基于多列或多网络的神经网络模型来提取尺度相关的特征,以提升密度估计的精度,但是,这些模型在进行优化训练时较为复杂,且需要消耗巨大的计算... 由于尺度变化问题,对图片中的人流数量进行估计具有较大的挑战,随着深度学习的发展,现有一些基于多列或多网络的神经网络模型来提取尺度相关的特征,以提升密度估计的精度,但是,这些模型在进行优化训练时较为复杂,且需要消耗巨大的计算资源。鉴于此,本文提出了一种多任务全卷积网络来进行人流数量的估计,基于不同尺度的卷积操作,可以提取到尺度相关的特征,并同时对人流密度和人数进行估计,提高数据的使用效率,进而实现对高密度人流的估计。实验表明,所提的模型具有较好的精度和较高的鲁棒性。 展开更多

关键词 多任务全卷积神经网络 人流密度估计 人流监测

在线阅读 下载PDF 职称材料

一种多任务的卷积神经网络目标分类算法 被引量：6

15

作者 张苗辉 张博 高诚诚 《激光与光电子学进展》 CSCD 北大核心 2019年第23期215-222,共8页

提出一种基于细粒度图像和多属性融合的多任务卷积神经网络(MTCNN)。该网络主要包含几个关键环节,首先在网络中增加标签输入层,复制并分离输入的多个标签,通过全连接层与多个任务相匹配,增加与标签数量相应的Softmax损失函数,来对多个... 提出一种基于细粒度图像和多属性融合的多任务卷积神经网络(MTCNN)。该网络主要包含几个关键环节,首先在网络中增加标签输入层,复制并分离输入的多个标签,通过全连接层与多个任务相匹配,增加与标签数量相应的Softmax损失函数,来对多个任务进行反向传播;然后,使用显著性检测与角点检测相结合的方法,提取出原始图像中的细粒度图像用于MTCNN的数据输入,使神经网络提取到的目标特征具有独特性和区分性;最后,使用非线性激活函数PReLu,进一步提高网络的分类精度。通过在Car Dataset中进行多任务并行训练,测试精度较传统单个任务的分类精度提升10%,实验结果表明,MTCNN有较高的泛化能力,对于图像分类的精度有明显的提升。 展开更多

关键词 机器视觉 多任务卷积神经网络 深度学习 细粒度图像

原文传递

基于深度卷积判别网络的人脸比对方法

16

作者 谷凤伟 陆军 +1 位作者 刘子玄 蔡成涛 《哈尔滨工程大学学报》 EI CAS CSCD 北大核心 2024年第9期1770-1782,共13页

针对实际应用中人脸比对面临着场景复杂性高、光照、遮挡等问题,为了提高人脸比对准确率,本文提出了一种基于深度卷积判别网络的人脸比对算法MTC-FaceNetSDM。建立了MTC-FaceNetSDM的深度卷积神经网络,在FaceNet网络前端中融合多任务级... 针对实际应用中人脸比对面临着场景复杂性高、光照、遮挡等问题,为了提高人脸比对准确率,本文提出了一种基于深度卷积判别网络的人脸比对算法MTC-FaceNetSDM。建立了MTC-FaceNetSDM的深度卷积神经网络,在FaceNet网络前端中融合多任务级联卷积神经网络得到MTC-FaceNet网络,实现实际场景中的人脸检测提取目标人脸;利用深度卷积神经网络获取高维人脸深度特征,并将FaceNet网络的欧氏距离模块替换为所提出的相似度判别模块SDM,用于高维人脸特征向量比对;最终,利用自制的人脸数据集C-facev1,结合CASIA-WebFace人脸数据集对本文人脸比对算法进行训练,使用人脸数据集LFW和CASIA-FaceV5对训练后的模型进行性能评估。实验结果表明:本文所设计的MTC-FaceNetSDM的人脸比对准确率比MTC-FaceNet整体提高1.48%,对中国人脸比对准确率提高3.80%,可实现多人种的人脸比对,同时该算法具备良好的鲁棒性和泛化能力,达到优良的人脸比对效果,可实际应用于人脸验证系统。 展开更多

关键词 人脸比对 深度卷积判别网络 多任务级联卷积神经网络 相似度判别模块 人脸特征向量

在线阅读 下载PDF 职称材料

基于多任务CNN的监控视频中异常行人快速检测 被引量：6

17

作者 李俊杰 刘成林 朱明 《计算机系统应用》 2018年第11期78-83,共6页

在近年来社会公共安全受到广泛关注的情况下,如何利用监控视频对异常行人进行监督,预防危险事件的发生成为了一个热门课题.异常行人是指与普通行人在外观上有明显异常性区别的人,例如用头盔大面积遮挡面部或低头躲避摄像头,考虑到异常... 在近年来社会公共安全受到广泛关注的情况下,如何利用监控视频对异常行人进行监督,预防危险事件的发生成为了一个热门课题.异常行人是指与普通行人在外观上有明显异常性区别的人,例如用头盔大面积遮挡面部或低头躲避摄像头,考虑到异常行人的特征主要集中在头面部,本文提出一种基于多任务卷积神经网络和单类支持向量机的针对头面部特征的异常行人快速检测方法.首先进行头面部区域的检测,然后使用多任务卷积神经网络提取头面部区域的特征,之后使用单类支持向量机判断是正常行人还是异常行人.此外,本文还针对卷积神经网络设计了一种卷积核拆分方法,加快了特征提取的速度,最终实验表明,本文提出的算法能够快速有效的检测出监控视频中的异常行人. 展开更多

关键词 监控视频 异常行人 多任务卷积神经网络 卷积核拆分 单类支持向量机

在线阅读 下载PDF 职称材料

基于多任务Faster R-CNN车辆假牌套牌的检测方法 被引量：7

18

作者 陈朋 汤一平 +2 位作者 何霞 王辉 袁公萍 《仪器仪表学报》 EI CAS CSCD 北大核心 2017年第12期3079-3089,共11页

针对现有车辆假牌套牌各种检测方法存在计算复杂度高、检测精度低、鲁棒性欠缺等问题,提出一种基于多任务的高速区域卷积神经网络(Faster R-CNN)车辆假牌套牌的检测方法。首先利用时空约束得到疑似套牌车辆,接着用Faster R-CNN定位分割... 针对现有车辆假牌套牌各种检测方法存在计算复杂度高、检测精度低、鲁棒性欠缺等问题,提出一种基于多任务的高速区域卷积神经网络(Faster R-CNN)车辆假牌套牌的检测方法。首先利用时空约束得到疑似套牌车辆,接着用Faster R-CNN定位分割出车辆前脸部分图像,然后对疑似套牌车辆的车脸公脸部分(车辆的基本特征)的特征进行比对;在此基础上再对高仿套牌车辆的车脸私脸部分(车检标)的细微特征进行检测比对。这种分层次的、从车辆宏观特征到微观特征的视觉检测方法,具有检测速度快、鲁棒性高、泛化能力强、实施部署方便、检测精度高等优点。实验研究表明,在Vehicle ID数据集和杭州卡口数据集中分别取得了99.39%、99.22%的检测精度。 展开更多

关键词 车辆假牌套牌检测 多任务高速区域卷积神经网络 车辆脸部特征 分层特征比对

在线阅读 下载PDF 职称材料

面向人脸检测MTCNN网络的加速硬件设计 被引量：3

19

作者 孙庆斌 何虎 《计算机工程与设计》 北大核心 2022年第2期370-375,共6页

为加快深度学习人脸检测算法MTCNN(multi-task convolu tion neural network)的推理速度,满足许多应用场合检测的实时性的要求,基于Xilinx FPGA ZCU102开发板设计针对MTCNN专门优化的卷积和全连接加速硬件。该加速硬件不仅适用于MTCNN网... 为加快深度学习人脸检测算法MTCNN(multi-task convolu tion neural network)的推理速度,满足许多应用场合检测的实时性的要求,基于Xilinx FPGA ZCU102开发板设计针对MTCNN专门优化的卷积和全连接加速硬件。该加速硬件不仅适用于MTCNN网络,其它神经网络推理算法也可以使用。针对算法特点,硬件采用小而多的计算核心,支持动态分块、图像间混合计算、片上多核共享RAM等完全自主开发的软硬件协同技术。在100 MHZ的频率下对MTCNN应用在加速器上的加速效果进行测试并和ARM程序进行对比,可以得到加速器相对于ARM O2速度加快了6倍多。 展开更多

关键词 多任务卷积神经网络 卷积 全连接 加速硬件 人脸检测 软硬件协同

在线阅读 下载PDF 职称材料

facenet皮尔森判别网络的人脸识别方法 被引量：11

20

作者 谷凤伟 陆军 夏桂华 《智能系统学报》 CSCD 北大核心 2022年第1期107-115,共9页

非限制场景下存在光照、遮挡和姿态变化等问题,这严重影响了人脸识别模型的性能和准确度。针对该问题,本文对facenet进行改进,提出了一种基于facenet皮尔森判别网络的人脸识别方法facenetPDN。首先,构建facenetPDN深度卷积神经网络,在fa... 非限制场景下存在光照、遮挡和姿态变化等问题,这严重影响了人脸识别模型的性能和准确度。针对该问题,本文对facenet进行改进,提出了一种基于facenet皮尔森判别网络的人脸识别方法facenetPDN。首先,构建facenetPDN深度卷积神经网络,在facenet前端融合多任务级联卷积神经网络进行人脸检测提取目标人脸。然后,通过深度神经网络提取人脸深度特征信息,采用皮尔森相关系数判别模块替换facenet中的欧氏距离判别模块实现人脸深度特征判别。最后,使用CASIA-WebFace和CASIA-FaceV5人脸数据集训练网络。为了证明本文方法的有效性,训练后的模型在LFW和celeA人脸数据集进行测试和评估,并进行对比分析。实验结果表明,改进后的facenetPDN方法的准确度比原来整体提高了1.34%,在融合训练集下提高了0.78%,该算法鲁棒性和泛化能力优良,可实现多人种的人脸识别,对非限制场景下人脸目标具有良好的识别效果。 展开更多

关键词 非限制场景 人脸识别 facenet 多任务级联卷积神经网络 人脸检测 皮尔森相关系数 欧氏距离 人脸数据集

在线阅读 下载PDF 职称材料