基于卷积神经网络的人脸验证技术研究

《基于卷积神经网络的人脸验证技术研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、中文图书分类号：TP391密级：公开UDC：004学校代码：10005硕士学位论文MASTERALDISSERTATION论文题目：基于卷积神经网络的人脸验证技术研究论文作者：郭申学科：计算机科学与技术指导教师：刘波副教授论文提交日期：2017年5月UDC：004学校代码：10005中文图书分类号：TP391学号：S201407020密级：公开北京工业大学工学硕士学位论文题目：基于卷积神经网络的人脸验证技术研究RESEARCHONFACEVERIFICATION英文题目：TECHNIQUESWITHCONVOLUTI

2、ONNEURALNETWORKS论文作者：郭申学科专业：计算机科学与技术研究方向：计算机应用技术申请学位：工学硕士指导教师：刘波副教授所在单位：计算机学院答辩日期：2017年5月授予学位单位：北京工业大学独创性声明本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得北京工业大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢

3、意。签名：郭申日期：2017年5月23日关于论文使用授权的说明本人完全了解北京工业大学有关保留、使用学位论文的规定，即：学校有权保留送交论文的复印件，允许论文被查阅和借阅；学校可以公布论文的全部或部分内容，可以采用影印、缩印或其他复制手段保存论文。（保密的论文在解密后应遵守此规定）签名：郭申日期：2017年5月23日导师签名：刘波日期：2017年5月23日摘要摘要随着社会经济的发展，人们对身份验证安全性与便利性的要求日益增加，基于人脸的身份验证技术在近几十年有了长足的发展，其具有直接、友好、方便等优点，从而得到了广泛

4、的关注与研究。人脸验证的目标为判断两张人脸图片中的人脸是否为同一个人，是一个二分类的模式识别问题。在深度学习提出之后，特别是卷积神经网络(convolutionalneuralnetworks,CNN)在图像识别领域取得巨大成功后，研究人员将CNN用于提取人脸特征，实验证明人脸验证的正确率有了明显提高。但在另一方面，人脸验证系统采用的CNN模型的层数不断加深，参数不断增多，用以提升模型的拟合能力。这些复杂的CNN模型导致的一个主要问题是计算负担很大，尽管使用GPU等高速计算设备，人脸验证系统的速度仍有待改进。因此，在

5、基于CNN的人脸验证算法研究中，除了不断提升人脸验证的正确率外，提升人脸验证的计算速度也是非常必要的。针对上述问题，本文首先基于前人研究成果，选取开源的CNN模型用于提取人脸特征，用人工筛选后的数据集对CNN进行了微调，并比较研究了多种特征相似性度量算法，设计并实现了一套完整的人脸验证系统。本系统在LFW数据集测试正确率达到了98.35%。其次，针对目前人脸验证CNN模型运算速度慢的问题，本文提出使用卷积定理来加速CNN中卷积层的计算，从而提升人脸验证的计算速度。卷积层是整个CNN结构中最耗时的环节，所以加速CNN的

6、核心工作就是加速卷积层的计算。尽管卷积定理在图像处理学科中众所周知，但在深度学习的背景下，分析CNN中哪些卷积层能用卷积定理来实现加速，如何在现有GPU平台上高效并行地实现卷积定理，以及实际的CNN加速效果到底有多大等。对这些问题的研究仍然具有一定理论意义和重要实用价值。本文分析了常规卷积计算方法和卷积定理方法的时间复杂度，给出了适用于卷积定理的加速条件，详细阐述了用卷积定理计算卷积层的算法流程，流程如下：首先，将输入图像和卷积核扩充至相同尺寸，并通过傅里叶变换转换至频域。其次，进行频域乘积求和运算，本文通过一些技巧

7、将频域中的乘积求和计算转换为矩阵乘积，以便充分利用现有GPU运算库的并行优化。最后，将频域乘积求和的计算结果反傅里叶变换，裁剪扩充边界，最终得到卷积层的计算结果。除此之外，本文还介绍了基于GPU的实现细节和-I-北京工业大学工学硕士学位论文优化方案，并给出了详细的加速对比实验结果。实验结果表明，在满足加速条件的情况下，卷积定理加速方法能取得较高加速比，针对本文采用的人脸验证CNN模型，最高可加速2.2倍。关键字：人脸验证；卷积神经网络；卷积定理-II-AbstractAbstractWiththedevelopmen

8、tofsocialeconomy,people'srequirementsforthesafetyandaccessibilityofauthenticationareincreasing.Inrecentdecades,face-basedauthenticationtechnologyhasmadegreatprogress.Itisdir