多任务学习及卷积神经网络在人脸识别中的应用

摘要：

随着深度学习的发展,近年来人脸识别借助深度学习技术取得了巨大突破.但是在已有的基于深度学习的人脸识别框架中,各个任务(人脸鉴别、认证和属性分类等)都是相互独立设计、运作的,使得整体算法低效、耗时.针对这些问题,提出一种基于多任务框架的深度卷积网络.通过将人脸鉴别、认证和属性分类同时作为网络目标函数,端到端地训练整个深度卷积网络,算法简洁高效.此网络可以同时完成上述三个任务,不需要额外的步骤.实验结果显示,即使在有限的数据支持下,该方法依然能够取得不错的性能,在人脸识别权威数据集LFW上获得了97.3%的精度.

关键词：人脸识别、卷积神经网络、深度学习、多任务学习

所属期刊栏目：52

分类号：O235;TP391(控制论、信息论（数学理论）)

资助基金：上海市科委科技创新行动计划14511106900

在线出版日期：2016-07-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：32-37,88