轻量化的人脸识别DCNN研究

《轻量化的人脸识别DCNN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、工学硕士学位论文轻量化的人脸识别DCNN研究邓文兵哈尔滨理工大学2018年6月国内图书分类号：TP391.4工学硕士学位论文轻量化的人脸识别DCNN研究硕士研究生：邓文兵导师：高忠文教授申请学位级别：工学硕士学科、专业：模式识别与智能系统所在单位：自动化学院答辩日期：2018年6月授予学位单位：哈尔滨理工大学ClassifiedIndex：TP391.4DissertationfortheMasterDegreeinEngineeringResearchonLightweightFaceRecogniti

2、onDCNNCandidate：WenbingDengSupervisor：Prof.ZhongwenGaoAcademicDegreeAppliedfor：MasterofEngineeringSpecialty：PatternRecognitionandInteligentSystemDateofOralExamination：June,2018University：HarbinUniversityofScienceandTechnology哈尔滨理工大学硕士学位论文原创性声明本人郑重声明：此处所提交

3、的硕士学位论文《轻量化的人脸识别DCNN研究》，是本人在导师指导下，在哈尔滨理工大学攻读硕士学位期间独立进行研究工作所取得的成果。据本人所知，论文中除已注明部分外不包含他人已发表或撰写过的研究成果。对本文研究工作做出贡献的个人和集体，均在文中以明确方式注明。本声明的法律结果将由本人承担。作者签名：日期：年月日哈尔滨理工大学硕士学位论文使用授权书《轻量化的人脸识别DCNN研究》系本人在哈尔滨理工大学攻读硕士学位期间在导师指导下完成的硕士学位论文。本论文的研究成果归哈尔滨理工大学所有，本论文的研究内容不得以其

4、它单位的名义发表。本人完全了解哈尔滨理工大学关于保存、使用学位论文的规定，同意学校保留并向有关部门提交论文和电子版本，允许论文被查阅和借阅。本人授权哈尔滨理工大学可以采用影印、缩印或其他复制手段保存论文，可以公布论文的全部或部分内容。本学位论文属于保密，在年解密后适用授权书。不保密√(请在以上相应方框内打√)作者签名：日期：年月日导师签名：日期：年月日轻量化的人脸识别DCNN研究摘要目前很多人脸识别系统采用了深度卷积神经网络(Deepconvolutionneuralnetwork,DCNN)技术。在LF

5、W数据集上测试，这些系统的平均准确率都达到了99%以上。但是现在实用的人脸识别产品或服务还不多，原因是多方面的，一个主要原因就是在LFW数据集上评测的DCNN模型庞大、要求大量的计算资源，而移动和嵌入式设备难以承担。针对此问题，本文主要就设计轻量级的人脸识别DCNN进行了研究。主要工作如下：在网络结构设计方面，本文采用深度可分卷积代替标准卷积，全局平均池化层代替全连接层，使得网络模型的参数数量和计算量大大减少，模型的尺寸也相应减小。针对softmax分类器在实际应用中不灵活的问题，提出DCNN直接学习原始

6、图片到欧氏距离空间的映射的思想，用欧式空间的距离度量人脸之间的相似度。为了提高网络的训练速度，比较了多种激活函数和优化算法的性能，发现使用ELU激活函数和Adam优化算法能有效加快训练速度。为配合小批量训练网络的方式，每批次训练都随机划分mini-batch。网络中还使用了batchnormalization加快网络训练速度和避免过拟合。为了进一步减小模型尺寸，对网络可训练参数采用了等区间的量化联合霍夫曼编码的做法，减少了参数占用的存储空间。训练时采用了随机裁剪的方式对训练集进行扩充，提升模型的泛化能力。

7、此外，在采用tripletloss学习人脸图片在欧式空间的紧致表示的情况下，本文实验证明了采用灰度图片训练比采用彩色图片训练所得模型泛化效果更佳。而且大幅减少了计算量，加快了网络训练。最后，针对训练好后的网络输出的人脸特征向量各元素存在相关性的现象，指出直接采用欧式距离度量两个人脸特征向量的相似性的方法可能存在问题，本文提出采用马氏距离来度量两个人脸特征向量的相似性。关键词深度卷积神经网络；模型轻量化；人脸识别；人脸特征向量IResearchonLightweightFaceRecognitionDCNN

8、AbstractAtpresent,manyfacerecognitionsystemsusedeepconvolutionneuralnetworks(DCNN)technology.TestedontheLFWdataset,theaverageaccuracyofthesesystemshasreachedmorethan99%.However,therearenotmanypracticalfacerecognitio