基于深度迁移学习的素描人脸识别研究与实现

《基于深度迁移学习的素描人脸识别研究与实现》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、分类号：TP391.41单位代码：11232密级：公开工学硕士学位论文基于深度迁移学习的素描人脸识别研究与实现学院：信息与通信工程学院学科(专业)：电子与通信工程学号：2015020174作者：周思洋学校指导教师：曹林教授企业指导老师：王东峰教授完成日期：二○一八年四月二十二日学位论文版权使用授权书本人完全了解北京信息科技大学关于收集、保存、使用学位论文的规定，按照学校要求提交学位论文的印刷本和电子版本。学校有权保留学位论文并向中国科学技术信息研究所等国家主管部门或其指定机构送交论文的电子版和纸质版，允许论文被查阅和借阅，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。学校有权

2、适当复制、公布论文的全部或部分内容。学校有权将本人的学位论文加入《中国优秀硕士学位论文全文数据库》和编入《中国知识资源总库》。学位论文作者签名：年月日□公开□保密（____年____月）(保密的学位论文在解密后应遵守此协议)指导教师签名：学位论文作者签名：年月日年月日硕士学位论文原创性声明本人郑重声明：所呈交的论文题目为《基于深度迁移学习的素描人脸识别研究与实现》学位论文，是本人在导师指导下，进行研究工作所取得的成果。尽我所知，除了文中特别加以标注的内容外，本学位论文的研究成果不包含任何他人创作的、已公开发表或者没有公开发表的作品的内容。对本论文所涉及的研究工作做出贡献的其他个人和集

3、体，均已在文中以明确方式标明并表示了谢意。本学位论文原创性声明的法律责任由本人承担。作者签字：年月日摘要摘要素描人脸识别技术在刑侦领域占有重要地位，近年来已成为人脸识别领域的研究热点。深度学习的飞速发展促使了光学人脸识别技术成熟，然而使用深度学习训练素描人脸需要大量训练样本。构建素描人脸库成本很高，从而导致素描人脸库样本数量都很少，无法使用深度学习直接对其训练。针对此问题本文从深度学习和迁移学习两个方面对其展开研究，核心思想是使用迁移学习从卷积神经网络（CNN）提取光学人脸特征并与素描人脸特征相适配以此来减小素描人脸训练样本。主要研究工作如下：提出了一种自适应尺度局部二值模式提取光学

4、人脸特征的方法，通过高斯过程对提取到的特征进行分类，使用目前最权威的光学人脸测试集LFW对训练后的模型进行测试，测试精度为98.7%。最后，分别将此方法提取的人脸特征和从CNN提取的人脸特征通过迁移学习与素描人脸适配，并对适配结果进行对比分析。使用开源深度学习框架训练目前主流的人脸识别网络模型VGGFace，Caffe-face和LightenedCNN，训练后的模型在LFW上的测试精度分别为：97.41%，97.77%，99.03%。通过迁移学习将从每个网络各个卷积层提取的光学人脸特征与素描人脸相适配，并将其结果进行对比分析。对CNN进行了可迁移性分析。发现了CNN网络提取人脸特征

5、的规律：随着网络不断加深，提取到的特征越精细。具体针对VGG16网络进行了更进一步的分析，将此网络分成前中后三段，对每一段网络提取到的特征进行分析。根据CNN提取人脸特征规律，从VGGFace网络中部提取光学人脸特征，使用JDA将其与素描人脸相适配，得到了一个完整的VGG+JDA素描人脸识别模型。使用香港中文大学多媒体实验实开源素描人脸数据集(CUFS)对其进行测试，测试结果为97.4%，并将此结果与传统素描人脸识别方法测试结果进行对比。关键字：光学人脸识别，素描人脸识别，深度学习，迁移学习，迁移成分分析，联合分布适配，深度迁移学习IAbstractAbstractSketchfac

6、erecognitiontechnologyplaysanimportantroleinthecriminalinvestigationfieldandhasbecomearesearchhotinthefieldoffacerecognitioninrecentyears.Therapiddevelopmentofdeeplearninghasledtothematurityofopticalfacerecognitiontechnology.However,usingdeeplearningtotrainahumanfacerequiresalargenumberoftraini

7、ngsamples.Duetothehighcostofconstructingasketchfacedatabase,thesamplesofthesketchfacedatabaseissmallcurrently,itisimpossibletotrainitbydeeplearningdirectly.Inordertosolvethisproblem,studieddeeplearningandtransferlearninginthispape