针对传统低分辨率人脸识别准确率较低的问题,提出了一种基于超分辨重建和公共特征子空间的低分辨率人脸识别网络InGLRNet(inception GAN low resolution Net)。InGLRNet网络采用生成对抗网络结构,首先,由超分辨InSRNet网络和特征提取网...针对传统低分辨率人脸识别准确率较低的问题,提出了一种基于超分辨重建和公共特征子空间的低分辨率人脸识别网络InGLRNet(inception GAN low resolution Net)。InGLRNet网络采用生成对抗网络结构,首先,由超分辨InSRNet网络和特征提取网络构成生成网络,InSRNet网络将Inception结构中3×3卷积核分解为1×3、3×1和1×1的卷积核,同时,增加残差网络的旁路直连方式,减轻梯度消失问题。其次,利用公共特征子空间法,将变换后的低分辨率样本图像和高分辨率基准图像在公共空间中的距离作为训练深度卷积神经网络的目标函数,通过损失函数匹配高、低分辨率图像的特征,实现人脸的精准特征识别。最后,将InGLRNet与CLPMs、MDS、Deep-Face和Face-Net经典的4种低分辨人脸识别方法进行对比,实验结果表明,构建的网络在人脸识别性能上有显著提升,在不同低分辨率下都优于其他4种方法。展开更多
文摘针对传统低分辨率人脸识别准确率较低的问题,提出了一种基于超分辨重建和公共特征子空间的低分辨率人脸识别网络InGLRNet(inception GAN low resolution Net)。InGLRNet网络采用生成对抗网络结构,首先,由超分辨InSRNet网络和特征提取网络构成生成网络,InSRNet网络将Inception结构中3×3卷积核分解为1×3、3×1和1×1的卷积核,同时,增加残差网络的旁路直连方式,减轻梯度消失问题。其次,利用公共特征子空间法,将变换后的低分辨率样本图像和高分辨率基准图像在公共空间中的距离作为训练深度卷积神经网络的目标函数,通过损失函数匹配高、低分辨率图像的特征,实现人脸的精准特征识别。最后,将InGLRNet与CLPMs、MDS、Deep-Face和Face-Net经典的4种低分辨人脸识别方法进行对比,实验结果表明,构建的网络在人脸识别性能上有显著提升,在不同低分辨率下都优于其他4种方法。
