随着人工智能的发展,人脸识别在生活中的应用越来越广泛,但当前识别的多是高分辨率下的人脸图像,低分辨率图像的识别还需进一步提升。基于此,本文提出一种CNN和Transformer的融合网络(Combining CNN and Transformer Dual Network,CCTDN...随着人工智能的发展,人脸识别在生活中的应用越来越广泛,但当前识别的多是高分辨率下的人脸图像,低分辨率图像的识别还需进一步提升。基于此,本文提出一种CNN和Transformer的融合网络(Combining CNN and Transformer Dual Network,CCTDN)低分辨率人脸识别(Low-Resolution Face Recognition,LRFR)方法,融合了卷积神经网络(Convolutional Neural Network,CNN)和Transformer双网结合的优点,并运用损失函数,在LFW数据集上取得了优异效果,提高了准确率。随着人工智能技术的快速发展,人脸识别因其非接触性、便捷性和唯一性[1]广受欢迎,然而,人脸识别在实际应用中面临更多挑战,尤其是在监控视频中,由于图像分辨率低、信息量少、噪声大,识别难度显著增加[2]。展开更多
文摘随着人工智能的发展,人脸识别在生活中的应用越来越广泛,但当前识别的多是高分辨率下的人脸图像,低分辨率图像的识别还需进一步提升。基于此,本文提出一种CNN和Transformer的融合网络(Combining CNN and Transformer Dual Network,CCTDN)低分辨率人脸识别(Low-Resolution Face Recognition,LRFR)方法,融合了卷积神经网络(Convolutional Neural Network,CNN)和Transformer双网结合的优点,并运用损失函数,在LFW数据集上取得了优异效果,提高了准确率。随着人工智能技术的快速发展,人脸识别因其非接触性、便捷性和唯一性[1]广受欢迎,然而,人脸识别在实际应用中面临更多挑战,尤其是在监控视频中,由于图像分辨率低、信息量少、噪声大,识别难度显著增加[2]。
