文献类型：期刊文章

作　　者：孙俊[1] 才华[1,2] 朱新丽[1] 胡浩[1] 李英超[3]

SUN Jun;CAI Hua;ZHU Xinli;HU Hao;LI Yingchao(School of Electronic Information Engineer,Changchun University of Science and Technology,Changchun 130022,China;Changchun China Optics Science and Technology Museum,Changchun 130117,China;School of Opto-Electronic Engineer,Changchun University of Science and Technology,Changchun 130022,China)

机构地区：[1]长春理工大学电子信息工程学院,长春130022 [2]长春中国光学科学技术馆,长春130117 [3]长春理工大学空间光电技术研究所,长春130022

出　　处：《吉林大学学报（理学版）》

基　　金：国家自然科学基金(批准号:11275046);吉林省科技发展计划项目(批准号:20170203005GX).

年　　份：2021

卷　　号：59

期　　号：4

起止页码：883-890

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAS、JST、MR、RCCSE、ZGKJHX、ZMATH、核心刊

摘　　要：针对现有模型很少对人脸特征进行设计且人脸特征区分性较弱的问题,提出一种基于双重注意力机制的深度人脸表示算法.该算法采用双重注意力机制的网络结构,通过细节注意力机制设计低层特征,自动和自适应地学习层次特征,关注局部特征;通过语义注意力机制设计高层特征,自适应地进行语义分组,关注语义特征.在LFW,YTF,MegaFace,IJB-B和IJB-C数据集上的实验结果表明,双重注意力机制方法的识别精确度分别高达99.87%,97.9%,98.91%,95.02%和96.28%,比同类算法Groupface平均提升了0.02%,0.1%,0.2%,1%和1%,表明了双重注意力机制网络的优势.

关 键 词：机器视觉 人脸识别 特征表示  注意力机制  

分 类 号：TP391]