文献类型：期刊文章

作　　者：邵蔚元[1,2] 郭跃飞[1]

机构地区：[1]复旦大学计算机科学技术学院,上海201203 [2]上海市智能信息处理重点实验室(复旦大学),上海201203

出　　处：《计算机工程与应用》

基　　金：上海市科委科技创新行动计划(No.14511106900)

年　　份：2016

卷　　号：52

期　　号：13

起止页码：32-37

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CSA、CSA-PROQEUST、CSCD、CSCD_E2015_2016、IC、INSPEC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：随着深度学习的发展,近年来人脸识别借助深度学习技术取得了巨大突破。但是在已有的基于深度学习的人脸识别框架中,各个任务(人脸鉴别、认证和属性分类等)都是相互独立设计、运作的,使得整体算法低效、耗时。针对这些问题,提出一种基于多任务框架的深度卷积网络。通过将人脸鉴别、认证和属性分类同时作为网络目标函数,端到端地训练整个深度卷积网络,算法简洁高效。此网络可以同时完成上述三个任务,不需要额外的步骤。实验结果显示,即使在有限的数据支持下,该方法依然能够取得不错的性能,在人脸识别权威数据集LFW上获得了97.3%的精度。

关 键 词：人脸识别 卷积神经网络 深度学习  多任务学习

分 类 号：O235] TP391[数学类]