针对非均衡数据的人脸识别算法
周辉
中国石油大学(华东)计算机与科学技术学院 青岛 266580
摘要：目前在基于深度学习的人脸识别领域面临数据不均衡的问题,这使得样本少的类别精度难以提升.常见的通过对损失函数的改进,或是简单的数据增强难以从根本上解决这一问题.为此,论文将隐式数据增强的方法引入基于角距离度量函数,构建人脸识别算法:通过对样本在特征空间中的特征向量沿某个特定方向做相关改变来增加此类样本的多样性,使样本较少的类别在特征空间中尽可能地产生更多相似却不相同的特征向量来减轻不均衡数据集对识别算法所造成的负面影响.在通用人脸识别数据集LFW,IJB-A,MegaFace上的测试结果表明,该方法能有效提高人脸识别的精度.
关键词：神经网络人脸识别隐式数据增强
分类号：TP391.41(计算技术、计算机技术)
资助基金：国家自然科学基金(61379106)国家自然科学基金(61379082)国家自然科学基金(61227802)山东省自然科学基金(ZR2013FM036)山东省自然科学基金(ZR2015FM011)中央高校基本科研业务费专项(18CX06046A)
论文发表日期：2023-02-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 277-281,490 )
英文信息