基于自归一化神经网络的低分辨率人脸识别

摘要

为了解决传统人脸识别算法对低分辨率人脸图片识别效果不佳的问题,提出了一种轻型判别自归一化神经网络,能够从高分辨率及其对应的低分辨率图像中提取具有判别性的特征,并将特征耦合映射到共同的子空间.该模型引入缩放指数线性单元,具有自归一化属性,能够加速收敛.为了最小化类内距以及扩大类间距,基于高低分辨率图像特征之间的判别性和相似度,对现有的损失函数进行了优化,从而使得相同类别的特征更紧凑.提出的方法在一个标准人脸数据集以及两个监控数据集上的识别率分别达到了95.57％、94.10％和84.56％,优于其他算法,适用于非限制条件下的低分辨率人脸识别.