题名 | 跨场景大规模人脸识别关键问题研究 |
作者 | 刘浩 |
答辩日期 | 2021-05 |
文献子类 | 博士 |
授予单位 | 中国科学院自动化研究所 |
授予地点 | 中国科学院自动化研究所 |
导师 | 李子青 ; 雷震 |
关键词 | 人脸识别 大规模分类 非均衡数据 跨场景识别 灾难性遗忘 |
学位专业 | 计算机应用技术 |
英文摘要 | 人脸识别作为身份认证的重要生物识别技术已广泛用于门禁、考勤、通关、金融、社保等许多领域。从研究角度来看,人脸识别作为经典的模式识别问题有着悠久的研究历史,在表示学习领域有着重要的地位。从应用角度来看,人脸识别在日常生活中有着广泛的应用,是人工智能技术发展给生活带来便利的典型代表。因此,开展人脸识别这项研究具有重要的理论意义和应用价值。 随着深度学习的到来,人脸识别技术随着网络架构的发展、训练数据的增大、优化方法的改进取得了长足的进步。然而目前学术界公开的人脸识别数据场景较为单一,基本上都是来自网络名人的人脸数据,并且数据量规模较小,与实际应用中多场景大规模的数据相比仍有较大差距。如何在跨场景大规模人脸数据上提升人脸识别性能是亟需解决的关键问题。本文以跨场景大规模人脸识别为研究重点,在应对大规模数据、非均衡数据、跨场景和多场景防遗忘问题这些方面进行了深入的探究,解决现有算法在超大规模数据上高效训练、在大规模非均衡数据上有效训练和在跨场景及多场景数据上防止灾难性遗忘的问题,扩展并完善了在跨场景大规模数据上的人脸识别算法。论文的主要贡献点包括以下几个方面:
|
语种 | 中文 |
页码 | 116 |
内容类型 | 学位论文 |
源URL | [http://ir.ia.ac.cn/handle/173211/44848] |
专题 | 自动化研究所_模式识别国家重点实验室_生物识别与安全技术研究中心 |
推荐引用方式 GB/T 7714 | 刘浩. 跨场景大规模人脸识别关键问题研究[D]. 中国科学院自动化研究所. 中国科学院自动化研究所. 2021. |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论