检索结果-南通市图书馆

基于RetinaFace与facenet的动态人脸识别系统设计

在线全文

学校读者我要写书评

暂无评论

电子科技 2024年

作者：李云鹏席志红哈尔滨工程大学信息与通信工程学院

针对在现有人脸静态识别过程中被识别人需等待配合的问题，文中提出了一种动态人脸识别系统。该系统采用了基于RetinaFace与facenet算法的动态人脸检测和识别方法，并进行了优化，以达到高识别精度和实时性的目标。其中，RetinaFace检... 详细信息

针对在现有人脸静态识别过程中被识别人需等待配合的问题，文中提出了一种动态人脸识别系统。该系统采用了基于RetinaFace与facenet算法的动态人脸检测和识别方法，并进行了优化，以达到高识别精度和实时性的目标。其中，RetinaFace检测采用GhostNet作为骨干网络，使用Adaptive-NMS(Non Max Suppression)非极大值抑制用于人脸框的回归，facenet识别采用MobileNetV1作为骨干网络，使用Triplet损失与交叉熵损失结合的联合损失函数用以人脸分类。优化后的算法在检测与识别上具有优良的表现，改进的RetinaFace算法在WiderFace数据集下检测精度为93.35%、90.84%和80.43%，FPS(Frames Per Second)可达53。动态人脸检测平均检测精度为96%，FPS为21。当facenet阈值设为1.15时，识别率最高达到98.23%。动态识别系统平均识别精度98%，FPS可达20。实验结果表明，该系统解决了人脸静态识别中需等待配合的问题，具有较高的识别精度与实时性。

关键词：人脸检测人脸识别深度学习 RetinaFace facenet 网络轻量化 MobileNet GhostNet

基于改进facenet的飞行器结构裂纹识别方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

航空学报 2022年第6期43卷 341-349页

作者：吕帅帅杨宇王彬文殷晨飞中国飞机强度研究所西安710065

基于计算机视觉的裂纹自动识别算法在飞机全尺寸疲劳试验中具有较好的工程应用前景。但由于飞机结构构型多样、疲劳试验环境复杂,直接应用现有的目标检测算法会存在较高的误判率。因此,提出一种基于关键部位状态对比的裂纹识别方法,以... 详细信息

基于计算机视觉的裂纹自动识别算法在飞机全尺寸疲劳试验中具有较好的工程应用前景。但由于飞机结构构型多样、疲劳试验环境复杂,直接应用现有的目标检测算法会存在较高的误判率。因此,提出一种基于关键部位状态对比的裂纹识别方法,以人脸识别模型facenet为基础,利用对比机制消除结构表面纹理、划痕等干扰因素的影响,并通过对裂纹数据结构和特征分布规律的分析,对facenet模型的样本生成规则、网络架构和损失函数进行了适应性改进。该方法具有对裂纹敏感、对图像质量要求低的特点。在疲劳试验环境中,该方法对长度为0.2~5 mm裂纹的检测准确率为97.6%,相较于现有方法优势明显。

关键词：疲劳试验计算机视觉裂纹深度学习 facenet 目标检测

基于改进的YOLOv3和facenet的无人机影像人脸识别

在线全文

学校读者我要写书评

暂无评论

中国科学院大学学报（中英文） 2023年第1期40卷 93-100页

作者：高锦风陈玉魏永明李剑南中国科学院空天信息创新研究院北京100094 中国科学院大学北京100049

基于无人机影像的高精度人脸识别在应急救援、嫌疑人员跟踪等场景中发挥着重要作用。深度学习卷积神经网络以其较高的精度和较少的人为干扰被广泛应用于目标检测识别领域,能很好地应用于无人机影像人脸识别任务中。探究在无人机嫌疑人... 详细信息

基于无人机影像的高精度人脸识别在应急救援、嫌疑人员跟踪等场景中发挥着重要作用。深度学习卷积神经网络以其较高的精度和较少的人为干扰被广泛应用于目标检测识别领域,能很好地应用于无人机影像人脸识别任务中。探究在无人机嫌疑人员识别应用场景下利用卷积网络进行人脸高精度识别,用改进后的YOLOv3(you only look once)进行无人机影像的人脸检测,将得到的预测框对齐后输入到经典的facenet人脸识别网络中进行目标身份的判定。实验对比了改进后的YOLOv3、原始YOLOv3和MTCNN(multi-task convolutional neural network)的检测效果以及结合facenet进行人脸识别的效果。结果表明:1)改进后的YOLOv3相对于原始YOLOv3不仅精度和召回率得到提升,而且模型参数量有所减少,无人机影像的漏检和错检现象也轻于原始YOLOv3;此外,改进后的YOLOv3相对MTCNN的AP(average precision)提升9.49%,检测速度也约是MTCNN的3倍;2)改进后的YOLOv3+facenet相对于原始YOLOv3+facenet及MTCNN+facenet对人脸的区分能力更强,精度更高,对遮挡以及模糊的鲁棒性也更强。

关键词： YOLOv3 facenet 人脸识别无人机

facenet皮尔森判别网络的人脸识别方法

在线全文

学校读者我要写书评

暂无评论

智能系统学报 2022年第1期17卷 107-115页

作者：谷凤伟陆军夏桂华哈尔滨工程大学智能科学与工程学院黑龙江哈尔滨150001 哈尔滨工程大学船海装备智能化技术与应用教育部重点实验室黑龙江哈尔滨150001

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... 详细信息

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。

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

基于CNN的facenet算法人脸图像识别研究

在线全文

学校读者我要写书评

暂无评论

智能计算机与应用 2022年第10期12卷 130-135,143页

作者：郝林倩福建船政交通职业学院信息与智慧交通学院福州350007

当今已是全球网络信息化时代,网络信息安全显得尤为重要。利用人脸这一不可复制的生物特征,用以维护信息安全。采用CNN算法,基于Pytorch深度学习库,构建Mobilenetv1网络模型,在此基础上通过facenet预测显示的Distance值与事先设置的阈... 详细信息

当今已是全球网络信息化时代,网络信息安全显得尤为重要。利用人脸这一不可复制的生物特征,用以维护信息安全。采用CNN算法,基于Pytorch深度学习库,构建Mobilenetv1网络模型,在此基础上通过facenet预测显示的Distance值与事先设置的阈值对比情况,验证人脸图像,达到人脸识别的目的。实验结果表明,该算法在人脸识别方面取得了较好的效果。

关键词：卷积神经网络 Pytorch Mobilenetv1 facenet

基于MTCNN和facenet的人脸识别系统设计

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

现代电子技术 2022年第4期45卷 139-143页

作者：李志华张见雨魏忠诚河北工程大学信息与电气工程学院河北邯郸056038 河北省安防信息感知与处理重点实验室河北邯郸056038

由于传统人脸识别系统多采用手工进行特征设定,存在识别精度低、速度慢等缺点,因此文中设计一种基于MTCNN和facenet的人脸识别系统。采用MTCNN模型进行人脸边框回归,通过三阶级联卷积神经网络对人脸图像进行从粗到细的提取;采用facenet... 详细信息

由于传统人脸识别系统多采用手工进行特征设定,存在识别精度低、速度慢等缺点,因此文中设计一种基于MTCNN和facenet的人脸识别系统。采用MTCNN模型进行人脸边框回归,通过三阶级联卷积神经网络对人脸图像进行从粗到细的提取;采用facenet模型进行人脸特征向量提取,构建本地人脸特征库;通过比对待识别人脸特征向量与本地人脸特征库中向量间的欧氏距离,输出识别结果。为验证系统性能,从检测速度与检测精度两方面进行测试。实验结果表明,文中所设计的系统识别速度达25 f/s以上,当特征向量间的欧氏距离的阈值设定为0.60时,在数据集LFW上的识别率最高达到99.27%。该系统检测速度满足实时性的同时具有较高的检测精度。

关键词：深度学习卷积神经网络人脸识别 MTCNN facenet 系统设计特征提取边框回归

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

基于facenet的人脸识别研究与实现

信息与电脑 2022年第10期34卷 134-136页

作者：张绿云马海荣岑凯威河池学院大数据与计算机学院广西宜州546300

人脸识别在门禁和考勤中有着广泛的应用,为人们生活带来了极大的便利。本文基于facenet构建了一个人脸识别模型,运用卷积神经网络进行训练,并对模型进行验证。基于训练好的模型,设计开发了一款人脸识别打卡系统,该系统使用PyQt5进行界... 详细信息

人脸识别在门禁和考勤中有着广泛的应用,为人们生活带来了极大的便利。本文基于facenet构建了一个人脸识别模型,运用卷积神经网络进行训练,并对模型进行验证。基于训练好的模型,设计开发了一款人脸识别打卡系统,该系统使用PyQt5进行界面设计,运用Python进行编程。该系统具有注册、登录、打卡功能,人脸识别速度快,正确率高。

关键词：人脸识别 facenet 卷积神经网络

Lightweight facenet Based on MobileNet

在线全文

学校读者我要写书评

暂无评论

International Journal of Intelligence Science 2021年第1期11卷 1-16页

作者： Xinzheng Xu Meng Du Huanxiu Guo Jianying Chang Xiaoyang Zhao School of Computer Science and Technology China University of Mining and Technology Xuzhou China Engineering Research Center of Mining Digital Ministry of Education China University of Mining and Technology Xuzhou China

Face recognition is a kind of biometric technology that recognizes identities through human faces. At first, the speed of machine recognition of human faces was slow and the accuracy was lower than manual recognition. With the rapid development of deep learning and the application of Convolutional Neural Network (CNN) in the field of face recognition, the accuracy of face recognition has greatly improved. facenet is a deep learning framework commonly used in face recognition in recent years. FaceNet uses the deep learning model GoogLeNet, which has a high accuracy in face recognition. However, its network structure is too large, which causes the FaceNet to run at a low speed. Therefore, to improve the running speed without affecting the recognition accuracy of FaceNet, this paper proposes a lightweight FaceNet model based on MobileNet. This article mainly does the following works: Based on the analysis of the low running speed of FaceNet and the principle of MobileNet, a lightweight FaceNet model based on MobileNet is proposed. The model would reduce the overall calculation of the network by using deep separable convolutions. In this paper, the model is trained on the CASIA-WebFace and VGGFace2 datasets, and tested on the LFW dataset. Experimental results show that the model reduces the network parameters to a large extent while ensuring the accuracy and hence an increase in system computing speed. The model can also perform face r

关键词： Face Recognition Deep Learning facenet MobileNet

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

基于MTCNN和facenet的人脸识别

邮电设计技术 2020年第2期 32-38页

作者：刘长伟中国联通智能城市研究院

人脸识别技术在智能城市建设中广泛应用,传统人脸识别算法依赖人工设定的特征,通常会带来不可期望的人为因素和误差。随着计算机算力的提升,基于神经网络的人脸识别方法由于其准确高效深受工业界偏爱。提出了基于多任务卷积神经网络(MT... 详细信息

人脸识别技术在智能城市建设中广泛应用,传统人脸识别算法依赖人工设定的特征,通常会带来不可期望的人为因素和误差。随着计算机算力的提升,基于神经网络的人脸识别方法由于其准确高效深受工业界偏爱。提出了基于多任务卷积神经网络(MTCNN——Multi-task Cascaded Convolutional Networks)和facenet的人脸识别方法,并实现了从图像处理到识别结果输出的整个人脸识别系统。

关键词：人脸识别 MTCNN facenet 系统