论文部分内容阅读
随着人工智能时代的到来，人脸识别技术被广泛应用于各个领域，2020年初，由于全球性公共卫生安全事件——新冠肺炎疫情的爆发，各行业均受到了或多或少的冲击，也正因如此，人脸识别技术的重要性更进一步得到凸显。本文详细描述作者利用人脸识别技术在严峻的防疫形势下，设计并开发了研究生身份在线验证系统，从而服务于北京交通大学研究生招生工作的实际应用案例。
论文首先对现阶段已有的人脸识别技术的理论、方法进行了较为全面的整理分析。常见的用于人脸识别的深度模型有Vggnet、Inception、Facenet、Resnet等，常见的损失函数有Softmax、Sphereface、Normface、AM-softmax、Arcface等。Resnet设计了一种残差模块，训练更深的网络，具有更强的学习能力，Resnet是最近几年的通用模型，本论文使用resnet作为深度模型，使用Arcface作为损失函数，性能方面优于其它的损失函数。
随后论文对北京交通大学人脸识别招生系统进行了设计和实现。系统的算法是由LResNet100-IR网络结构结合AdditiveAngularMargin损失函数设计的。其中LResNet100-IR网络的整体框架是由原始的ResNet拓展成的ResNet100构成的，选用以ResNet为基础的网络有效的避免了网络层数增多而造成的梯度弥散问题。随后本文对网络中每一层的buildingblock做了改进，选用比原始ResNet100中的每一层buildingblock性能更好的3*BN单元，构成了BN-PReLu-Conv-BN的结构。在损失函数方面，本文选用了ArcFace，这是一种由softmax函数延伸出来的损失函数，并且这种损失是直接在角度空间(angular space)中最大化分类界限，使类内更紧凑，类间更分离，在开发的北京交通大学人脸识别招生系统中发挥了更好的性能。论文最后对北京交通大学人脸识别招生系统在实际部署、功能效果等情况进行了总结说明。
论文首先对现阶段已有的人脸识别技术的理论、方法进行了较为全面的整理分析。常见的用于人脸识别的深度模型有Vggnet、Inception、Facenet、Resnet等，常见的损失函数有Softmax、Sphereface、Normface、AM-softmax、Arcface等。Resnet设计了一种残差模块，训练更深的网络，具有更强的学习能力，Resnet是最近几年的通用模型，本论文使用resnet作为深度模型，使用Arcface作为损失函数，性能方面优于其它的损失函数。
随后论文对北京交通大学人脸识别招生系统进行了设计和实现。系统的算法是由LResNet100-IR网络结构结合AdditiveAngularMargin损失函数设计的。其中LResNet100-IR网络的整体框架是由原始的ResNet拓展成的ResNet100构成的，选用以ResNet为基础的网络有效的避免了网络层数增多而造成的梯度弥散问题。随后本文对网络中每一层的buildingblock做了改进，选用比原始ResNet100中的每一层buildingblock性能更好的3*BN单元，构成了BN-PReLu-Conv-BN的结构。在损失函数方面，本文选用了ArcFace，这是一种由softmax函数延伸出来的损失函数，并且这种损失是直接在角度空间(angular space)中最大化分类界限，使类内更紧凑，类间更分离，在开发的北京交通大学人脸识别招生系统中发挥了更好的性能。论文最后对北京交通大学人脸识别招生系统在实际部署、功能效果等情况进行了总结说明。