-
题名分层蒸馏解耦网络的低分辨率人脸识别算法
- 1
-
-
作者
钟锐
宋亚锋
周晓康
-
机构
赣南师范大学数学与计算机科学学院
-
出处
《计算机应用研究》
北大核心
2025年第6期1900-1908,共9页
-
基金
国家自然科学基金资助项目(62266003)
江西省自然科学基金资助项目(20232BAB202056)
江西省教育厅科技资助项目(GJJ211401)。
-
文摘
低分辨率人脸图像中大量面部细节特征丢失,使得目前许多具有较好性能的经典人脸识别模型的识别率急剧降低。针对该问题,提出了一种分层蒸馏解耦网络(hierarchical knowledge distillation decoupling,HKDD)。首先,为了提升学生网络对低分辨率样本的特征描述能力,在教师网络与学生网络的卷积层之间进行分层特征蒸馏,使学生网络各中间层所提取的低分辨率人脸特征尽可能接近教师网络中间层所提取的高分辨率人脸特征,从而将教师网络各中间层强大的特征描述能力蒸馏至学生网络。随后,在教师网络与学生网络的softmax层之间进行解耦蒸馏,把softmax层的蒸馏损失解耦为目标类蒸馏损失和非目标类蒸馏损失,以发挥出被抑制的非目标类蒸馏损失对学生网络训练的指导作用,使学生网络在教师网络指导下学习到通用性面部特征的分类能力,从而确保学生网络能够在非限制性应用场景中具有较强的分类能力。最后,在TinyFace和QMUL-SurvFace等多个低分辨率人脸数据集中进行了效果验证,HKDD网络的识别率与实时性都优于其他代表性的低分辨率人脸识别模型,实验结果验证了该模型在低分辨率人脸识别任务中的有效性。
-
关键词
低分辨率人脸识别
分层蒸馏解耦网络
分层特征蒸馏
解耦蒸馏
非限制性场景
-
Keywords
low-resolution face recognition
hierarchical knowledge distillation decoupling network
hierarchical feature distillation
decoupling distillation
unrestricted scenes
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于一致判别相关分析的低分辨率人脸识别算法
被引量：4
- 2
-
-
作者
张恩豪
陈晓红
-
机构
南京航空航天大学理学院
-
出处
《数据采集与处理》
CSCD
北大核心
2020年第6期1163-1173,共11页
-
基金
国家自然科学基金(61703206,61661136001)资助项目
中央高校基本科研业务费专项资金(NG2019004)资助项目。
-
文摘
相比于高分辨率(High resolution,HR)人脸图像,低分辨率(Low resolution,LR)人脸图像的识别效果较差。针对此问题,已有研究者提出基于典型相关分析和核典型相关分析的LR人脸识别算法,但其并未考虑样本的类信息和视图间的一致性。本文同时利用数据的类信息和视图间的一致性信息,提出一致判别相关分析(Consistent discriminant correlation analysis,CDCA),进而得到基于CDCA的LR人脸识别算法。该算法先利用主成分分析从HR和LR人脸图像中提取主成分特征,然后利用CDCA学习HR和LR人脸的特征投影矩阵,进而实现LR人脸识别。实验结果表明,相比现有的LR人脸识别算法,该算法具有较好的识别效果和鲁棒性。
-
关键词
低分辨率人脸识别
典型相关分析
主成分分析
径向基函数
-
Keywords
low resolution face recognition
canonical correlation analysis
principal component analysis
radial basis function
-
分类号
TP39
[自动化与计算机技术—计算机应用技术]
TP301
[自动化与计算机技术—计算机系统结构]
-
-
题名松弛耦合非负矩阵分解的低分辨率人脸识别算法
被引量：4
- 3
-
-
作者
王超
赵阳
裴继红
-
机构
深圳大学ATR国防科技重点实验室
-
出处
《信号处理》
CSCD
北大核心
2020年第7期1127-1135,共9页
-
基金
国家自然科学基金项目(61871269,61331021)
广东省基础与应用基础研究基金(2019A1515011861)
深圳市科技计划项目(JCYJ20190808151615540)。
-
文摘
针对实际监控场景中经常遇到的人脸图像分辨率较低的问题,本文提出了一种利用松弛耦合非负矩阵分解的低分辨率人脸识别算法(RCNMF)。首先,对高低分辨率人脸图像进行非负矩阵分解(NMF),同时使高低分辨率人脸图像的组合系数保持松弛耦合,从而得到含有原图像特征信息的基矩阵。然后,通过低分辨率图像的基矩阵提取训练和测试样本的特征。最后进行识别。实验结果验证了与其他几种基于耦合映射的低分辨率人脸识别方法相比,RCNMF算法的识别性能更好。同时通过实验验证了RCNMF算法的收敛性。
-
关键词
低分辨率人脸识别
非负矩阵分解
基矩阵
-
Keywords
low resolution face recognition
nonnegative matrix factorization
basis matrix
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
