作者：周钰淮; 曹汉华; 张焕平深度网络人脸识别网络融合内存占比
摘要：人脸识别算法是现代互联网人机交互的重要研究领域,目前其核心问题在于识别算法内存平衡问题。尤其是在不同姿态下,姿态数据的增加会加重识别负担进一步造成算法失衡,对此设计将深度哈希网络融入到计算机识别框架中,提出不同姿态下基于多层次深度网络融合的人脸识别算法。构建人脸数据特征识别网络框架和各层级结构,采用全局化的特征层和池化哈希层维度作为当前网络的输入层,调整人脸图像数据灰度,采用根化计算的方式对其进行Gamma标准化操作,根据姿态权值压缩融合网络模型,将16位三值权重编码重新组合成为一个32位的编码,保证内存占用比平衡,引入皮尔逊关系系数,根据压缩模型的最终权值数据,标定最终的权值数值,通过关系验证,实现人脸识别。实验表明该方法在CGG框架下进行人脸识别时,与传统文献方法相比内存占比缩减30%左右,因此所设计的方法可以在不影响识别精度的情况下,有效减少内存占用率,同时可以完成网络扩展。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
