ScholarMate
English简体中文繁體中文
客服热线:400-1616-289
登录注册
期刊论文

面向人脸识别的Small-FRNet模型研究

黄跃俊; 白创*长沙理工大学
传感器与微系统2021DOI: 10.13873/J.1000-9787(2021)11-0057-04
5阅读
引用收藏
分享

摘要

针对人脸识别技术实际应用中存在着网络参数冗余、模型计算量大及人脸推理过程慢等问题,本文通过对卷积神经网络(CNN)的结构设计和损失函数进行了研究,提出了一种基于深度可分离卷积和全局平均池化技术的Small-FRNet卷积神经网络模型。相比于传统的卷积神经网络,模型采用深度可分离卷积和全局平均池化技术,有效地降低了网络的参数和计算量。同时,通过联合SoftMax损失和中心损失作为监督信号对损失函数进行优化,提高了特征的判别性,改善了人脸的识别精度。实验结果表明:相比于DeepFace,所提模型的参数量和计算量分别减少了97%和86%,在LFW人脸库上取得了99.38%的准确率。

学科与关键词

关键词
人脸识别卷积神经网络深度可分离卷积全局平均池化中心损失
相关
加载中…
  • 一种基于卷积神经网络的人脸识别系统的实现
    杨太平电子测试, 2021, (19): 100-101+37.
  • 基于卷积神经网络的智慧校园人脸识别系统设计与研究
    谢玲莉计算机时代, 2021, (10): 72-74+82.
  • 具有隐私保护的深度学习人脸识别研究
    王艺萌其他, 2019.
查看全部 →

发表信息

论文状态
公开发表
期刊
传感器与微系统
发表日期
2021
卷期
第 40 卷, 第 11 期
页码
57-60
DOI
10.13873/J.1000-9787(2021)11-0057-04
期刊收录
CSCD-E
成果收录
CHINAJOURNAL · 北大核心 · CSCD
资助标注
湖南省研究生科研创新项目(CX2018B574)

作者

  • 黄

    黄跃俊 (第一作者)

    长沙理工大学

  • 白

    白创 (通讯)

    长沙理工大学

登录解锁更多功能

  • 收藏这篇,随时在“我的 · 收藏”找回
  • 认领你的成果,生成推广素材
  • 关注作者获取最新成果
  • 加入项目组、协同写作
注册 / 登录

产品服务

  • 科研之友
  • 创新城
  • 科创云

服务支持

  • 帮助中心
  • 隐私政策
  • 服务条款

联系方式

在线客服:【】
客服热线:400-1616-289
电子邮箱:support@scholarmate.com

关注或下载科研之友

微信二维码
微信公众号
客户端下载二维码
下载客户端
科研成果科研人员科研机构科研动态爱瑞思软件

©2026 深圳市科研之友网络服务有限公司

公安备案图标粤公网安备 44030502000213
粤ICP备 16046710 号粤B2-20110417