基于深度學習的年齡不變人臉識別技術研究與實現(xiàn).pdf

1、人臉識別是計算機視覺中應用最廣泛也是最重要的領域之一，在安防監(jiān)控，員工考勤，遠程用戶身份驗證，金融支付甚至娛樂社交等領域都已經催生了相關應用。人臉識別的研究已經持續(xù)了數(shù)十年，從最早的特征臉算法到如今的卷積神經網絡算法，得益于硬件計算能力的提高，大數(shù)據(jù)的支持以及深度學習算法，以人臉識別為代表的計算機視覺技術再次走進了人們的視野。盡管人臉識別的相關領域，比如不同表情和姿態(tài)下的人臉識別已經取得了相當不錯的進展，年齡不變人臉識別領域，或者說跨年

2、齡人臉識別領域，仍然是一個挑戰(zhàn)。如今跨年齡識別領域已經變得越來越重要，并且有廣泛的應用，比如尋找失蹤兒童，識別罪犯以及護照身份驗證等。在這篇論文中，基于深度學習的相關理論與方法，提出一種新穎的神經網絡模型，耦合自編碼器神經網絡，來處理年齡不變人臉識別問題。
　　本文主要的工作及創(chuàng)新點如下：
　　1、采用深度學習中的自編碼器進行建模。自編碼器是深度學習中無監(jiān)督學習最具代表性的模型之一，可以從輸入（比如圖像）中學習隱含表達。

3、r>　　2、觀察到年齡變化是一個非線性的，但是平滑的變換。同時，因為單隱層神經網絡具有擬合任意復雜平滑函數(shù)的能力，因此本文采用兩個淺層神經網絡來擬合這樣的復雜的非線性變換，一個擬合老化（aging）過程，一個擬合去老化（de-aging）過程。
　　3、結合以上兩點，提出了耦合自編碼器神經網絡（CAN），該網絡由兩個自編碼器被兩個單層神經網絡相連而成。
　　4、基于CAN，一種非線性的隱因子分析算法被提出，可以將人臉表達分解