【人臉屬性識(shí)別方法探究9300字（論文）】

人臉屬性識(shí)別方法研究摘要當(dāng)今社會(huì)多媒體技術(shù)蓬勃發(fā)展，越來越多的研究者對(duì)計(jì)算機(jī)視覺方面的研究也越來越重視，對(duì)于人臉的研究也一直如火如荼，對(duì)人臉的研究方向已經(jīng)從最初的人臉檢測(cè)、人臉識(shí)別、再到現(xiàn)在的人臉屬性識(shí)別，隨著研究方法和設(shè)備硬件的升級(jí)與更新，研究人員開始使用計(jì)算機(jī)不斷深入探索人臉的各種有用信息。隨著信息存儲(chǔ)、數(shù)據(jù)運(yùn)算、網(wǎng)絡(luò)傳輸能力的不斷升級(jí)，互聯(lián)網(wǎng)中有關(guān)人臉的圖像數(shù)量爆炸式增加，這對(duì)人臉檢測(cè)、人臉識(shí)別、人臉屬性識(shí)別等研究提供了大量的原始數(shù)據(jù)。在大數(shù)據(jù)時(shí)代，人臉識(shí)別解鎖、人臉識(shí)別打卡、人臉支付等基于生物信息的識(shí)別的應(yīng)用已經(jīng)慢慢融入人們的生活，并大幅提高人們的生活體驗(yàn)。人臉識(shí)別技術(shù)已經(jīng)取得巨大的成功，并且已經(jīng)大規(guī)模應(yīng)用于人們的日常生活中。而隨著研究的不斷深入，人們注意到人臉還包括其它重要的信息，例如年齡、性別、表情等，如何使得計(jì)算機(jī)能夠像人一樣能夠從人臉圖像上提取出五官信息、甚至是表情等情感信息，是研究人員的研究熱點(diǎn)之一。人臉屬性識(shí)別就是使用計(jì)算機(jī)對(duì)給定的人臉圖像、甚至是視頻準(zhǔn)確無誤的分析出人臉的各個(gè)信息例如：性別、表情、年齡等。人臉屬性識(shí)別在安全、搜索、娛樂等各方各面都有著廣泛的用途。目前大多數(shù)研究者著重于單屬識(shí)別的研究，或者通過多個(gè)模型并行學(xué)習(xí)來識(shí)別多個(gè)屬性，很多人臉數(shù)據(jù)集也只能用于單個(gè)或兩個(gè)屬性的識(shí)別任務(wù)。本文通過多任務(wù)學(xué)習(xí)，采用硬參數(shù)共享的方式，基于深度學(xué)習(xí)的強(qiáng)大學(xué)習(xí)能力以及殘差網(wǎng)絡(luò)不會(huì)過擬合的優(yōu)點(diǎn)，利用RseNet34設(shè)計(jì)出可以同時(shí)識(shí)別多個(gè)人臉屬性的人臉屬性識(shí)別模型,對(duì)CelebA數(shù)據(jù)集中的Male、No_beard、Smiling、Young四種屬性的平均識(shí)別準(zhǔn)確率可達(dá)93.99%。本文主要的工作為：基于深度學(xué)習(xí)，利用ResNet34設(shè)計(jì)高效的深度學(xué)習(xí)模型，同時(shí)學(xué)習(xí)人臉的四個(gè)屬性，其中包括性別、是否有胡須、微笑、是否年輕。本文設(shè)計(jì)的網(wǎng)絡(luò)，在高層各自獨(dú)立地學(xué)習(xí)特有特征，在淺層共享特征，在減少參數(shù)量、防止過擬合的同時(shí)能夠利用任務(wù)之間的相關(guān)性和不相關(guān)性提高模型的準(zhǔn)確度。關(guān)鍵詞：人臉屬性識(shí)別；多任務(wù)學(xué)習(xí)；深度學(xué)習(xí)；殘差網(wǎng)絡(luò)目錄TOC\o"1-1"\