基于深度学习的抗老化影响人脸识别_何星辰.pdf

简介：
本文探讨了深度学习技术在人脸识别中的应用，并特别关注如何通过算法优化来减少面部老化对识别准确率的影响。作者提出的方法有望提升长期人脸数据库系统的性能和可靠性。 随着年龄的增长，人脸的形状和纹理特征会发生显著变化，这导致人脸识别性能下降。为了解决这个问题，本段落提出了一种基于深度卷积神经网络的新方法（HE-CNN），该方法结合了年龄估计任务与人脸识别任务。 首先，在残差网络中嵌入卷积块注意力模型(CBAM)，以便学习更具有代表性的面部特征；然后利用线性回归指导年龄估计任务，提取出影响识别的年龄干扰因子。通过多层感知机将整个面部特征和提取到的年龄干扰特征投影至同一可分空间内，从而从稳定的面部特征中分离出与身份无关但受年龄影响的部分。 最后，在基于改进的角度损失函数的基础上进行人脸识别任务，该过程旨在抑制上述提到的年龄干扰因素的影响。实验结果显示，在MORPH和FGNET数据集上所提出的HE-CNN方法分别取得了98.93%和90.0%的人脸识别准确率，充分证明了此方法的有效性和先进性。