文献类型：期刊文章

作　　者：景晨凯[1] 宋涛[1,2] 庄雷[1] 刘刚[2] 王乐[2] 李兵奎[1]

机构地区：[1]郑州大学信息工程学院,郑州450001 [2]河南省招生办公室,郑州450046

出　　处：《河南大学学报（自然科学版）》

基　　金：国家自然科学基金项目(61379079);河南省国际合作项目(152102410021)

年　　份：2017

卷　　号：47

期　　号：6

起止页码：699-707

语　　种：中文

收录情况：CAS、JST、RCCSE、ZGKJHX、ZMATH、普通刊

摘　　要：考试的公平、公正、安全和秩序是全社会关注的焦点,尤其是备受关注的高招考试.近些年来DCNN(deep convolution neural networks)算法促进了人脸识别技术的实际应用,因此若在考生身份验证中采用人脸识别技术将进一步保证考试公平,降低人工成本.但是针对具体的应用,DCNN算法需要做相应的改变.依托真实的考生数据集以及应用场景,基于GoogLeNet设计了一种更具表达能力更适用的网络结构GoogLeNet-D;因将人脸查询/分类精准率作为模型评估的方法,所以没有判定阈值,为了设定合适的阈值判断考生是否为同一个人,提出了一种直接、简单有效的定量确定阈值算法,能够在计算准确率的同时确定阈值.最终利用该阈值判定算法,在2014-2016年170万考生共10 406 024张人脸数据集上选取出基于GoogLeNet-D训练的最优模型,其在20万人1 022 031张人脸的测试集上取得了98.87%的人脸分类精准率,同时得到了该模型的最佳阈值为0.35.

关 键 词：深度卷积神经网络  人脸识别 身份验证 GoogLeNet-D  阈值判定  

分 类 号：TP393]