基于SE-ResNet模型的多角度人脸识别系统设计

摘要

由于在现实中人脸识别系统采集的图像大都是侧脸图像,严重影响了人脸识别的准确性.提出一种以SE-ResNet模型为基础的多角度人脸识别系统.该系统将SE-ResNet网络用于人脸特征提取器,通过在ResNet基础上嵌入SE模块,根据网络获取的特征重新标记,提高有效特征信息占比的同时,减少无效特征的数据信息.使用损失函数ArcFace进行图像训练,将角边距引入到余弦角度,以加强角度空间对于人脸特征限制条件,进而增加不同类型人脸的差异性与相同类型特征间紧凑性.通过实验结果分析可知:与基于Res-Net 的人脸识别方法相比,本文研究的多角度人脸识别方法准确率提高了1.9％.