融合梯度特征的轻量级神经网络的人脸识别

作     者：刘祥楼 李天昊 张明 Liu Xianglou;Li Tianhao;Zhang Ming

作者机构：东北石油大学电子科学学院黑龙江大庆163318 黑龙江省高校校企共建测试计量技术及仪器仪表工程研发中心黑龙江大庆163318 

出 版 物：《激光与光电子学进展》 (Laser & Optoelectronics Progress)

年 卷 期：2020年第57卷第16期

页      面：84-89页

核心收录：

学科分类：0808[工学-电气工程] 070207[理学-光学] 0809[工学-电子科学与技术（可授工学、理学学位）] 07[理学] 08[工学] 0803[工学-光学工程] 0702[理学-物理学] 

主　　题：图像处理 嵌入式设备 轻量级卷积神经网络 一阶梯度特征 人脸识别 

摘      要：深度学习在人脸识别的研究和应用中取得一定成效,但因计算量大且耗时,不适用于小型嵌入式设备。基于融合梯度特征的轻量级卷积神经网络SqueezeNet提取人脸特征,既能保证该网络模型适用于内存相对小的嵌入式设备,又能保证获得的人脸特征对不同光照更具鲁棒性。实验结果表明,将8×8分块图像中提取的一阶梯度特征,与轻量级卷积神经网络提取的全局特征相融合的人脸识别算法,在LFW数据集中识别率可达97.28%,较传统轻量级卷积神经网络的人脸识别方法,识别率提高了4.36%。