登录 | 注册 | 充值 | 退出 | 公司首页 | 繁体中文 | 满意度调查
综合馆
基于卷积神经网络的人脸图像质量评价
  • 摘要

    针对人脸识别过程中人脸图像质量较低造成的低识别率问题,提出了一种基于卷积神经网络的人脸图像质量评价模型.首先建立一个8层的卷积神经网络模型,提取人脸图像质量的深层语义信息;然后在无约束环境下收集人脸图像,并通过传统的图像处理方法以及人工筛选进行过滤,得到的数据集用以进行模型参数的训练;其次通过在图形处理器(GPU)上加速训练,得到用于拟合人脸图像到类别的映射关系;最后将输入在高质量图像类别的概率作为图像的质量得分,建立人脸图像的质量打分机制.实验结果表明,与VGG-16网络相比,所提模型准确率降低了0.21个百分点,但是参数规模减小了98%,极大地提高了模型运算效率;同时所提模型在人脸模糊、光照、姿态和遮挡方面都具有较强的判别能力.因此,可将该模型应用在实时人脸识别系统中,在不影响系统运行效率的前提下提高系统的准确性.

  • 作者

    李秋珍  栾朝阳  汪双喜  LI Qiuzhen  LUAN Chaoyang  WANG Shuangxi 

  • 作者单位

    武汉数字工程研究所,武汉,430074/华中科技大学 计算机科学与技术学院,武汉,430074

  • 刊期

    2019年3期 ISTIC PKU

  • 关键词

    人脸识别  卷积神经网络  图像质量评价  人脸图像质量评价 

相似文献 查看更多>>
34.204.189.171