全局融合卷积神经网络的边缘分类的人脸性别识别

摘要：

人脸性别识别是人脸识别领域研究的热门课题.为了进一步提高人脸性别识别的准确率,在传统的融合模型基础上,提出一种新型全局融合卷积神经网络模型(NFDCNN).在NFDCNN模型结构上,每两采样层之间的卷积层在卷积特征提取之前融合前一级的子采样特征,这种方法可以保留原始的特征信息同时与深层纹理融合,具有高度的还原度,缩小网络误差.NFDCNN模型分类函数在常规的Softmax上做了改进,引入了区域边缘分类函数AM-Softmax,该分类函数在归类上是以一块区域为界限来划分,挤压同类,扩大类间距离,缩小类内距离.实验是在不同的人脸数据集上采用该模型方法与其他先进方法对比,验证了提出的NFDCNN模型分类识别是有效的.

关键词：人脸性别识别、卷积神经网络、全局融合、纹理融合、边缘分类、模型验证

所属期刊栏目：42

分类号：TN915-34;TP391.41

资助基金：国家自然科学基金青年项目61701203;江西省教育厅科技项目GJJ150642

在线出版日期：2019-09-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：177-181,186