基于轻量级卷积神经网络的人证比对

作     者：高凌飞 王海龙 王海涛 刘强 张鲁洋 王怀斌 GAO Lingfei;WANG Hailong;WANG Haitao;LIU Qiang;ZHANG Luyang;WANG Huaibin

作者机构：南京航空航天大学自动化学院南京211106 江苏长城计算机系统有限公司南通226001 江苏铭远轨道交通设备有限公司南京210044 

出 版 物：《南京航空航天大学学报》 (Journal of Nanjing University of Aeronautics & Astronautics)

年 卷 期：2021年第53卷第5期

页      面：751-758页

核心收录：

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 13[艺术学] 081104[工学-模式识别与智能系统] 08[工学] 0804[工学-仪器科学与技术] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 

主　　题：人证比对 轻量级卷积神经网络 深度学习 迁移学习 

摘      要：在证件审核场景中,常规的深度学习人脸识别方法人证比对精度低且在嵌入式设备运行效率差。为解决上述问题,本文提出了改进的轻量级卷积神经网络Lightnet,并采用了迁移学习方法。Lightnet是结合深度可分离卷积、线性瓶颈结构和注意力模块构成的轻量级卷积神经网络模块,引入附加角度裕量的损失函数AM-Softmax监督训练后,网络模型能够保持较高的验证精度,并有效解决标准卷积神经网络参数冗余、计算量大的问题。迁移学习通过冻结预训练模型的卷积层权重,并在自制的人证数据集微调,提高了网络模型的人证场景的识别性能。实验结果表明,所设计的轻量级人证比对算法在验证精度、参数量以及运行效率等方面取得了很好的效果,且对生活场景有较好的鲁棒性。