DeepVisage:简单却具有强大的泛化能力的人脸识别技术
本文通过使用公共的数据集 LFW,提出了三种最近的第一代 CNN 结构,研究了卷积神经网络应用于人脸识别的原因和设计,发现将多个 CNN 结构及度量学习的融合,可以提高 CNN-FRS 的性能并使得学习特征的维度可显著减小。
Apr, 2015
本文全面回顾了深度人脸识别的最近发展,涵盖了算法设计、数据库、协议和应用场景等广泛主题,概述了不同的网络架构和损失函数,将相关的面部处理方法分为 “一对多增强” 和 “多对一归一化” 两类,并总结和比较了常用的数据库用于模型训练和评估,最后强调了技术挑战和几个有前途的方向。
Apr, 2018
本文通过基于卷积神经网络的 Inception 和 ResNet 模型在 MSU Mobile Face Spoofing 数据库上的表现,研究了如何应用这些深度学习算法实现面部反欺骗的生物特征访问控制。
May, 2018
通过深度网络剪枝等方法,对基于小型 SqueezeNet、流行的 MobileNetv2 和 ResNet50 架构的网络进行压缩,以实现移动设备上的可靠且实时的人脸识别。
May, 2024
本篇研究提出了在视频中进行情感识别的 3D 卷积神经网络方法,使用 3D Inception-ResNet 层及 LSTM 单元,从面部图像中提取空间关系和不同帧之间的时间关系,并利用面部关键点作为输入,该方法在四个公开数据库上的表现超过了现有最先进技术。
May, 2017
本文提出一种使用单个深度卷积神经网络进行人脸检测,人脸对齐,姿态估计,性别识别,微笑检测,年龄估计和人脸识别的多用途算法,通过多任务学习框架实现了对 CNN 模型的共享参数的规范化,并在不同领域和任务之间建立协同关系,实验结果表明该网络对人脸具有更好的理解,并在大多数任务方面实现了最先进的结果。
Nov, 2016
本篇论文提出使用 DeepID3 算法来进行人脸识别,使用了卷积神经网络和 Inception 层,并采用监督信号技术来训练神经网络,最终取得了 99.53% 的 LFW 人脸验证准确率和 96.0% 的 LFW 排名 1 的人脸识别准确率。
Feb, 2015
本文研究了深度卷积网络在人脸识别中的性能,发现网络的 “瓶颈” 结构对于迁移学习具有重要作用,并提出了一种解决方法,即用自助法取代随机子采样;同时还发现了表示范数和目标域判别能力之间的联系,并基于这些发现,在目前最流行的人脸识别数据集 LFW 上取得了优秀的性能,甚至超越了商用系统。
Jun, 2014
本文提出了一种使用深卷积神经网络和 3D 数据扩增技术的新型 3D 人脸识别算法,表明 2D 人脸图像 CNN 训练的迁移学习可以有效用于 3D 人脸识别,同时采用一种 3D 人脸扫描的数据扩增技术,可以改进 3D 人脸识别的性能。
Mar, 2017