-
题名多尺度注意力融合和抗噪声的轻量点云人脸识别模型
被引量:2
- 1
-
-
作者
郭文
李冬
袁飞
-
机构
山东工商学院信息与电子工程学院
中国科学院信息工程研究所
-
出处
《图学学报》
CSCD
北大核心
2022年第6期1124-1133,共10页
-
基金
国家自然科学基金项目(62072286,61876100,61572296)
山东省研究生教育创新计划(SDYAL21211)
+1 种基金
山东省高等学校青创科技支持计划(2019KJN041)
国家重点研发计划(2020YFC0832503)。
-
文摘
在低质量点云人脸数据集上,判别性特征的提取和模型对噪声的鲁棒性是解决点云人脸识别问题的关键。针对现有轻量点云人脸识别算法不能充分提取判别性特征和数据集中存在大量噪声而影响模型训练的问题,设计轻量高效的网络模型,提出了基于多尺度注意力融合和抗噪声的自适应损失函数的点云人脸识别算法。首先通过不同卷积模块获得不同感受野大小的特征图。然后进行多尺度的注意力特征提取,并使用高层的注意力权重来引导低层注意力权重的生成,最后进行通道融合得到多尺度融合的特征,提升了模型捕获人脸细节特征的能力。其次,根据低质量点云人脸图像的噪声信息特点,设计了一种新颖的抗噪声的自适应损失函数(anti-noise adaptiveloss),以应对数据集大量噪声对模型训练过程中可能造成的负面影响,提升模型的鲁棒性和泛化能力。在开源数据集Lock3DFace和本文提出的KinectFaces数据集上的实验结果表明,与当前的主流算法相比该算法模型在低质量点云人脸识别任务中具有更好的识别效果。
-
关键词
点云人脸识别
注意力融合
注意力特征提取
损失函数
-
Keywords
point loud face recognition
attention feature fusion
attention feature extraction
loss function
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-