首页|基于改进FaceNet算法的人脸智能识别方法

基于改进FaceNet算法的人脸智能识别方法

扫码查看
原文链接
  • 万方数据
  • 维普
人脸识别是计算机视觉与图像处理领域的研究热点,基于FaceNet网络模型的人脸智能识别系统,由于所需训练数据集大且对硬件资源条件要求较高,设计改进FacetNet的人脸智能识别算法.首先,通过MTCNN网络实现人脸图像非极大值抑制和边界框的回归问题;其次,把人脸对齐后的图像数据进行高斯归一化(Gaussian normalization)预处理后,再通过FacetNet算法网络模型进行训练.优化后的网络模型在LWF数据集上进行训练,实验验证得出改进后的人脸识别模型其平均误识率为0.06％,拒识率为5.13％和准确率为99.79％,并通过采集真实的人脸数据进行验证,均表现出了良好的识别效果.

王传传、高婕

展开 >

广州工商学院工学院,广东 广州 510800

FaceNet网络 MTCNN 高斯归一化 人脸智能识别

广州工商学院校级科研项目(2022)

KYYB202231

2024

工业控制计算机
中国计算机学会工业控制计算机专业委员会 江苏省计算技术研究所有限责任公司

工业控制计算机

影响因子：0.258
ISSN：1001-182X
年,卷(期)：2024.37(2)
  • 1
  • 15