论文部分内容阅读
跨衰老人脸识别作为人脸识别问题的延伸,有着广泛的现实意义。近年来人脸识别随着深度学习的发展而日趋成熟,已经有了广泛的应用。但是跨衰老人脸识别由于受限于不充足的数据库而发展缓慢。究其原因,一是因为数据库本身难以收集,二是现有方法对数据库的应用不充分,大部分方法没有用到图片的年龄标签导致一部分已知信息被浪费。本文着眼于跨衰老人脸识别问题中如何合理利用图片年龄标签,重点研究了生成方法与跨衰老人脸识别问题的结合,特征字典库的建立,如何将年龄信息引入网络训练之中以及带年龄的损失函数的设计。(1)针对测试集图片缺失的问题,本文引入一种带有身份约束的生成算法来生成缺失的年龄段图片,并通过图片特征融合在FGNET数据库上识别准确率提高了5.5%,留一法测试达到了88.0%的准确率。在该方法中,首先通过生成式方法,利用测试图片的年龄标签,对每张图片生成新的十张不同年龄段的图片,然后对生成的图片提取特征后进行特征融合,特征融合分为平均融合和权重融合。(2)针对深度特征中年龄信息剔除不完全的问题,本文提出一种通用的将年龄标签注入训练网络的方法,帮助网络进一步剔除深度特征中的年龄信息。该方法在Morph测试集上能提高0.4%的准确度,当限制FAR=0.001时准确率可提升5.4%。在本方法中,年龄标签首先转化为二进制编码,然后通过几层全连接层进行尺度变换和非线性化,最后与深度网络提取出的特征级联后再计算损失函数。(3)针对年龄标签在损失函数中的应用,本文提出带有年龄系数的损失函数,使拥有过大或过小年龄的图片带来的损失函数更大。该方法在Morph数据集识别准确率可以提升0.7%,当限制FAR=0.001时准确率可提升3.2%。在本方法中,首先通过年龄标签计算年龄系数,然后与图片原有的损失相乘作为该图片新的损失,最后所有图片损失的和即为总的损失函数。