基于改进Mobilenet算法的深度人脸识别算法

摘要：

针对深度人脸识别任务在移动端遇到的存储空间受限、预测所需时间长、算法性能不高等问题,提出了一种改进的Mobilenet算法.将Mobilenet算法的监督信号Softmax改进为AM-Softmax,通过多次实验,设计出AM-Softmax比较适合Mobilenet算法的附加余量和缩放因子值.训练集和验证集来源于数据集MS-Celeb-1M-v1c和数据集Asian-Celeb,并在LFW数据集上对改进Mobilenet算法的有效性进行了验证.通过与初始Mobilenet算法模型的对比实验发现,采用改进Mobilenet算法的性能较优,准确率比softmax提升了十个百分点.充分利用数据集Asian-Celeb中的亚洲名人ID,增加训练样本数,将性能进一步提高了四个百分点.

关键词：深度学习、人脸识别、Mobilenet、损失函数

所属期刊栏目：13

在线出版日期：2019-05-08（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：39-44