【人臉屬性識別方法探究9300字（論文）】

人臉屬性識別方法研究摘要當(dāng)今社會多媒體技術(shù)蓬勃發(fā)展，越來越多的研究者對計算機(jī)視覺方面的研究也越來越重視，對于人臉的研究也一直如火如荼，對人臉的研究方向已經(jīng)從最初的人臉檢測、人臉識別、再到現(xiàn)在的人臉屬性識別，隨著研究方法和設(shè)備硬件的升級與更新，研究人員開始使用計算機(jī)不斷深入探索人臉的各種有用信息。隨著信息存儲、數(shù)據(jù)運(yùn)算、網(wǎng)絡(luò)傳輸能力的不斷升級，互聯(lián)網(wǎng)中有關(guān)人臉的圖像數(shù)量爆炸式增加，這對人臉檢測、人臉識別、人臉屬性識別等研究提供了大量的原始數(shù)據(jù)。在大數(shù)據(jù)時代，人臉識別解鎖、人臉識別打卡、人臉支付等基于生物信息的識別的應(yīng)用已經(jīng)慢慢融入人們的生活，并大幅提高人們的生活體驗。人臉識別技術(shù)已經(jīng)取得巨大的成功，并且已經(jīng)大規(guī)模應(yīng)用于人們的日常生活中。而隨著研究的不斷深入，人們注意到人臉還包括其它重要的信息，例如年齡、性別、表情等，如何使得計算機(jī)能夠像人一樣能夠從人臉圖像上提取出五官信息、甚至是表情等情感信息，是研究人員的研究熱點(diǎn)之一。人臉屬性識別就是使用計算機(jī)對給定的人臉圖像、甚至是視頻準(zhǔn)確無誤的分析出人臉的各個信息例如：性別、表情、年齡等。人臉屬性識別在安全、搜索、娛樂等各方各面都有著廣泛的用途。目前大多數(shù)研究者著重于單屬識別的研究，或者通過多個模型并行學(xué)習(xí)來識別多個屬性，很多人臉數(shù)據(jù)集也只能用于單個或兩個屬性的識別任務(wù)。本文通過多任務(wù)學(xué)習(xí)，采用硬參數(shù)共享的方式，基于深度學(xué)習(xí)的強(qiáng)大學(xué)習(xí)能力以及殘差網(wǎng)絡(luò)不會過擬合的優(yōu)點(diǎn)，利用RseNet34設(shè)計出可以同時識別多個人臉屬性的人臉屬性識別模型,對CelebA數(shù)據(jù)集中的Male、No_beard、Smiling、Young四種屬性的平均識別準(zhǔn)確率可達(dá)93.99%。本文主要的工作為：基于深度學(xué)習(xí)，利用ResNet34設(shè)計高效的深度學(xué)習(xí)模型，同時學(xué)習(xí)人臉的四個屬性，其中包括性別、是否有胡須、微笑、是否年輕。本文設(shè)計的網(wǎng)絡(luò)，在高層各自獨(dú)立地學(xué)習(xí)特有特征，在淺層共享特征，在減少參數(shù)量、防止過擬合的同時能夠利用任務(wù)之間的相關(guān)性和不相關(guān)性提高模型的準(zhǔn)確度。關(guān)鍵詞：人臉屬性識別；多任務(wù)學(xué)習(xí)；深度學(xué)習(xí)；殘差網(wǎng)絡(luò)目錄TOC\o"1-1"\