基于多特征深度学习的人脸性别识别.pdfVIP

2016年 1月 计算机工程与设计 Jan．2016 第 37卷 第 1期 COMPUTER ENGINEERING AND DESIGN VoL37 NO．1 基于多特征深度学习的人脸性别识别 蒋雨欣 ，李松斌 抖，刘 鹏 ，戴琼兴 (1．中国科学院 声学研究所 南海研究站，海南 海口570105； 2．中国科学院 声学研究所 国家网络新媒体工程技术研究中心，北京 100190) 摘 要：为解决人脸性别识别这一传统模式识别领域中富有挑战性的难题，提 出一种联合人脸高层特征学习和低层特征学 习的深层网络模型。利用卷积和下采样交替提取人脸局部的、抽象的特征，重建原始的输入人脸图像，以学习人脸全局的 特征作为补充。联合两类特征时，加入一个可训练的权重进行调节，利用这种多特征结构进行最终的性别分类。实验结果 表明，该方法在学习能力和泛化能力上具有超越现有人脸性别识别方法的优秀性能。 关键词 ：人脸性别识别；深度学习；多特征学习；学习能力；泛化能力 中图法分类号：TP391．41 文献标识号：A 文章编号：1000—7024 (2016)01—0226—06 doi：10．162o8／j．issnl0007024．2016．01．043 Facegenderrecognitionbasedonmulti—featuredeeplearning JIANGYu—xin ，LISong—bin， ，LIU Peng ，DAIQiong—xing (1．HaikouLab，InstituteofAcoustics，ChineseAcademyofSciences，Haikou570105，China；2．NationalNetwork NewMediaEngineeringResearchCenter，InstituteofAcoustics，ChineseAcademyofSciences，Beijing100190，China) Abstract：Toaddressthechallengingproblemsoffacegenderrecognitionbasedonfacialimagesinthetraditionalpatternrecog— nitionfiled，adeepneuralnetworkmodelthatlearntthejointfeaturesofhumanfacewasproposed．Theconvolutiontogether withsub—samplingwasadoptedtOobtainthehumanface’Sabstractandlocalfeatures．Thehumanface’Sglobalfeaturewasex— tractedthroughreconstructingthefacialimageasfurtherinformation．W hencombiningthesetwokindsoffeatures，atrainable weightwasaddedinthenetworktoimprovethefinalgenderrecognitionperformance．Experimentalresultsverifythatthepro— posedmethodhasbetterlearningabilityandgeneralizationabilitythancurrentfacegenderrecognitionmethods． Keywords：genderrecognition；deeplearning；multi-featurelearning；learningability；generalizationability 实验了人脸对齐操作、图像大小、对齐操作时机等因素 0 引 言 对结果的影响。根据他们得到的结论 ，自动人脸对齐的 现有的人脸性别识别方法一般包括人脸检测、特征提 预处理操作并不能有效提高性别分类的准确