資源描述：
《基于深度遷移學(xué)習(xí)的素描人臉識別研究與實(shí)現(xiàn)》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、分類號：TP391.41單位代碼：11232密級：公開工學(xué)碩士學(xué)位論文基于深度遷移學(xué)習(xí)的素描人臉識別研究與實(shí)現(xiàn)學(xué)院：信息與通信工程學(xué)院學(xué)科(專業(yè))：電子與通信工程學(xué)號：2015020174作者：周思洋學(xué)校指導(dǎo)教師：曹林教授企業(yè)指導(dǎo)老師：王東峰教授完成日期：二○一八年四月二十二日學(xué)位論文版權(quán)使用授權(quán)書本人完全了解北京信息科技大學(xué)關(guān)于收集、保存、使用學(xué)位論文的規(guī)定，按照學(xué)校要求提交學(xué)位論文的印刷本和電子版本。學(xué)校有權(quán)保留學(xué)位論文并向中國科學(xué)技術(shù)信息研究所等國家主管部門或其指定機(jī)構(gòu)送交論文的電子版和紙質(zhì)版，允許論文被查閱和借閱，可以采用影印、縮印或掃描等復(fù)制手段保存、匯編學(xué)位論文。學(xué)校有權(quán)
2、適當(dāng)復(fù)制、公布論文的全部或部分內(nèi)容。學(xué)校有權(quán)將本人的學(xué)位論文加入《中國優(yōu)秀碩士學(xué)位論文全文數(shù)據(jù)庫》和編入《中國知識資源總庫》。學(xué)位論文作者簽名：年月日□公開□保密（____年____月）(保密的學(xué)位論文在解密后應(yīng)遵守此協(xié)議)指導(dǎo)教師簽名：學(xué)位論文作者簽名：年月日年月日碩士學(xué)位論文原創(chuàng)性聲明本人鄭重聲明：所呈交的論文題目為《基于深度遷移學(xué)習(xí)的素描人臉識別研究與實(shí)現(xiàn)》學(xué)位論文，是本人在導(dǎo)師指導(dǎo)下，進(jìn)行研究工作所取得的成果。盡我所知，除了文中特別加以標(biāo)注的內(nèi)容外，本學(xué)位論文的研究成果不包含任何他人創(chuàng)作的、已公開發(fā)表或者沒有公開發(fā)表的作品的內(nèi)容。對本論文所涉及的研究工作做出貢獻(xiàn)的其他個(gè)人和集
3、體，均已在文中以明確方式標(biāo)明并表示了謝意。本學(xué)位論文原創(chuàng)性聲明的法律責(zé)任由本人承擔(dān)。作者簽字：年月日摘要摘要素描人臉識別技術(shù)在刑偵領(lǐng)域占有重要地位，近年來已成為人臉識別領(lǐng)域的研究熱點(diǎn)。深度學(xué)習(xí)的飛速發(fā)展促使了光學(xué)人臉識別技術(shù)成熟，然而使用深度學(xué)習(xí)訓(xùn)練素描人臉需要大量訓(xùn)練樣本。構(gòu)建素描人臉庫成本很高，從而導(dǎo)致素描人臉庫樣本數(shù)量都很少，無法使用深度學(xué)習(xí)直接對其訓(xùn)練。針對此問題本文從深度學(xué)習(xí)和遷移學(xué)習(xí)兩個(gè)方面對其展開研究，核心思想是使用遷移學(xué)習(xí)從卷積神經(jīng)網(wǎng)絡(luò)（CNN）提取光學(xué)人臉特征并與素描人臉特征相適配以此來減小素描人臉訓(xùn)練樣本。主要研究工作如下：提出了一種自適應(yīng)尺度局部二值模式提取光學(xué)
4、人臉特征的方法，通過高斯過程對提取到的特征進(jìn)行分類，使用目前最權(quán)威的光學(xué)人臉測試集LFW對訓(xùn)練后的模型進(jìn)行測試，測試精度為98.7%。最后，分別將此方法提取的人臉特征和從CNN提取的人臉特征通過遷移學(xué)習(xí)與素描人臉適配，并對適配結(jié)果進(jìn)行對比分析。使用開源深度學(xué)習(xí)框架訓(xùn)練目前主流的人臉識別網(wǎng)絡(luò)模型VGGFace，Caffe-face和LightenedCNN，訓(xùn)練后的模型在LFW上的測試精度分別為：97.41%，97.77%，99.03%。通過遷移學(xué)習(xí)將從每個(gè)網(wǎng)絡(luò)各個(gè)卷積層提取的光學(xué)人臉特征與素描人臉相適配，并將其結(jié)果進(jìn)行對比分析。對CNN進(jìn)行了可遷移性分析。發(fā)現(xiàn)了CNN網(wǎng)絡(luò)提取人臉特征
5、的規(guī)律：隨著網(wǎng)絡(luò)不斷加深，提取到的特征越精細(xì)。具體針對VGG16網(wǎng)絡(luò)進(jìn)行了更進(jìn)一步的分析，將此網(wǎng)絡(luò)分成前中后三段，對每一段網(wǎng)絡(luò)提取到的特征進(jìn)行分析。根據(jù)CNN提取人臉特征規(guī)律，從VGGFace網(wǎng)絡(luò)中部提取光學(xué)人臉特征，使用JDA將其與素描人臉相適配，得到了一個(gè)完整的VGG+JDA素描人臉識別模型。使用香港中文大學(xué)多媒體實(shí)驗(yàn)實(shí)開源素描人臉數(shù)據(jù)集(CUFS)對其進(jìn)行測試，測試結(jié)果為97.4%，并將此結(jié)果與傳統(tǒng)素描人臉識別方法測試結(jié)果進(jìn)行對比。關(guān)鍵字：光學(xué)人臉識別，素描人臉識別，深度學(xué)習(xí)，遷移學(xué)習(xí)，遷移成分分析，聯(lián)合分布適配，深度遷移學(xué)習(xí)IAbstractAbstractSketchfac
6、erecognitiontechnologyplaysanimportantroleinthecriminalinvestigationfieldandhasbecomearesearchhotinthefieldoffacerecognitioninrecentyears.Therapiddevelopmentofdeeplearninghasledtothematurityofopticalfacerecognitiontechnology.However,usingdeeplearningtotrainahumanfacerequiresalargenumberoftraini
7、ngsamples.Duetothehighcostofconstructingasketchfacedatabase,thesamplesofthesketchfacedatabaseissmallcurrently,itisimpossibletotrainitbydeeplearningdirectly.Inordertosolvethisproblem,studieddeeplearningandtransferlearninginthispape
