首页> 中文期刊> 《信息与电脑》 >基于自注意力孪生神经网络的人脸识别——在家族人脸数据库上的亲属关系预测

基于自注意力孪生神经网络的人脸识别——在家族人脸数据库上的亲属关系预测

         

摘要

cqvip:人脸识别任务中,孪生神经网络被广泛应用于解决样本过少、类别庞大的项目,通过判别输入的人脸相似度达到较高的鲁棒性。通过设计和改造传统孪生神经网络,提出了基于自注意力机制的孪生神经网络,将经典人脸识别任务衍生到亲属关系预测。网络设计思路结合了近期提出的全局上下文非局部注意力模块(GlobalContextNon-local Network,GC Block),使用自注意力机制融合人脸远距离关键特征,且在保持有效计算精度的基础上减少计算量,同时,使用美国西北大学的SMILE人脸数据集进行训练,并在官方于Kaggle举办的基于人脸亲属关系识别数据竞赛中进入前十名。实验表明,全局上下文模块可以有效融合人脸的远距离关键特征间的依赖信息,结合孪生网络,显著提升亲属关系预测任务的精度。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号