局部特征映射与融合网络的人脸识别优化算法
徐武1
陈盈君1
汤弘毅1
杨昊东1
秦浩然2
1.云南民族大学电气信息工程学院,云南昆明 6500002.中国石油运输公司,新疆乌鲁木齐 830014
摘要：针对传统特征提取算法的局限性,提出基于深度神经网络DeepLab v2的人脸识别改进算法.首先,对图像中人脸进行定位,采用DeepLab v2改进网络提取人脸的面部特征,通过加入压缩激励(SE)模块细化多角度纹理特征.其次,采用局部二值模式(LBP)特征映射对目标图像进行补充特征提取,细化纹理结构并减少光照噪声的干扰,提升识别的鲁棒性.最后,进行特征信息融合,采用分类模块对融合特征识别并分类处理.结果表明:对比经典目标检测算法YOLOv1和传统DeepLab算法,改进算法识别出多角度的人脸局部特征,且在正常光照下改进算法的识别精确度分别提高了3.1％和5.9％,在强光照下改进算法的识别精确度分别提高了9.5％和13.6％.
关键词：人脸识别神经网络SE模块局部二值模式softmax分类
分类号：TP391.9(计算技术、计算机技术)
资助基金：国家自然科学基金(U1802271)
论文发表日期：2023-04-25
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：7( 59-64,72 )