- 1、本文档共7页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
深度卷积特征向量用于快速人脸图像检索-计算机辅助设计与图形学学报
30 12 Vol.30 No.12
2018 12 Journal of Computer-Aided Design Computer Graphics Dec. 2018
深度卷积特征向量用于快速人脸图像检索
李振东, 钟 勇, 曹冬平
( 中国科学院成都计算机应用研究所研发中心 成都 610041)
( 中国科学院大学 北京 100049)
(lizhendong13@)
摘 要: 针对计算机视觉领域的人脸图像检索计算复杂和检索时长问题, 提出一种基于深度卷积特征的快速人脸图
像检索算法. 首先使用人脸图像训练集对深度卷积神经网络模型进行人脸分类训练; 然后采用三元组损失方法对已
训练好的人脸分类网络模型进行微调, 更新网络的参数, 使得网络能够更加有效地提取不同人的人脸图像特征, 构
建高效的卷积特征向量进行人脸检索初步过滤; 为了进一步提高系统的检索性能, 提出一阶段查询扩展方法对待检
索人脸图像的卷积特征向量进行均值融合加强, 再次执行检索任务, 得到最终的检索结果. 在Celebrities Face Set 和
Labeled Faces in the Wild dataset 这2 个人脸检索数据集上进行实验的结果表明, 该算法不仅能够显著地提高检索结
果的准确率, 而且简单可靠, 能够快速地实现人脸检索任务.
关键词: 图像检索; 人脸检索; 卷积神经网络; 特征向量
中图法分类号: TP391.41 DOI: 10.3724/SP.J.1089.2018.17119
Deep Convolution Feature Vector for Fast Face Image Retrieval
Li Zhendong, Zhong Yong, and Cao Dongping
(Research and Development center, Chengdu Institute of Computer Application, Chinese Academy of Sciences, Chengdu 610041)
(University of Chinese Academy of Sciences, Beijing 100049)
Abstract: In order to solve the problem of complexity in calculating and long time in retrieving of face im-
age retrieval in the field of computer vision, a face image retrieval algorithm based on deep convolutional
features is proposed. Firstly, the convolutional neural network model is trained for face classification by face
image training data set. Then, the trained face classification network model is fine-tuned by using the triplet
loss method, and the parameters of the network are updated to make the network more efficiently in extract-
ing face image features of different people and construct efficient convolution feature vectors for preliminary
filtering stage of face retrieval. In order to further improve the
文档评论(0)