任成娟

摘要 在深度學(xué)習(xí)的持續(xù)發(fā)展過程中，現(xiàn)階段人臉識別在深度學(xué)習(xí)的支持之下獲得了巨大的突破。而加強(qiáng)對人臉鑒別、認(rèn)證、屬性分類等不同任務(wù)的分析，通過獨(dú)立的設(shè)計(jì)與運(yùn)作模式對其進(jìn)行處理，會(huì)導(dǎo)致其耗費(fèi)大量的時(shí)間，且效率也相對較低。而通過多任務(wù)框架的深度卷積網(wǎng)絡(luò)對其進(jìn)行分析，可以通過端到端的訓(xùn)練，提升深度卷積網(wǎng)絡(luò)算法的簡潔性以及高效性。對此，文章主要對多任務(wù)學(xué)習(xí)及卷積神經(jīng)網(wǎng)絡(luò)在人臉識別中的運(yùn)用進(jìn)行了簡單的探究分析。

【關(guān)鍵詞】多任務(wù)學(xué)習(xí) 卷積神經(jīng)網(wǎng)絡(luò) 人臉識別

人臉識別就是一種對人臉面部特征進(jìn)行身份識別的技術(shù)手段。在教育以及安全等領(lǐng)域中應(yīng)用較為廣泛。傳統(tǒng)的人臉識別算法雖然其獲得了良好的效果，但是因?yàn)檫@些數(shù)據(jù)集中人臉個(gè)體相對較小，不同個(gè)體擁有的信息也相對較小，其還有一定的完善空間。而通過多任務(wù)學(xué)習(xí)機(jī)制對其進(jìn)行分析，具有一定的實(shí)踐價(jià)值。

1 基于多任務(wù)學(xué)習(xí)的人臉識別框架

1.1 人臉識別基本定義與算法流程

人臉識別框架主要就是分為圖片與處理以及識別階段。其中與處理階段就是人臉的定位監(jiān)測分析、人臉特征點(diǎn)標(biāo)定分析、人臉對齊等幾個(gè)步驟。識別階段中其主要就是認(rèn)證、鑒別以及屬性。人臉認(rèn)證是判定兩張人臉特征的重要因素，而人臉鑒別是對人臉的對應(yīng)的身份，而屬性分類則是人臉的特定屬性特征。

1.2 人臉預(yù)處理

就是在非限制性場景之中，通過對人臉位置分布在不確定特征、人臉大小的不同尺度進(jìn)行分析，這是人臉與處理的重要流程。在對其進(jìn)行與處理的過程中要先檢驗(yàn)輸入的圖片，對其進(jìn)行人臉檢測，在獲得人臉位置中的對應(yīng)矩形框架;進(jìn)而消除其存在的差異性問題。而在實(shí)踐中因?yàn)槿四樧藨B(tài)的不同差異，對此必須要對人臉的姿態(tài)進(jìn)行矯正處理。人臉姿態(tài)的矯正就是通過坐標(biāo)開展，其關(guān)鍵點(diǎn)的坐標(biāo)在不同的場景中有著不同的數(shù)量。在得到人臉關(guān)鍵點(diǎn)的特征之中進(jìn)行人臉矯正，其主要分為2D矯正以及3D矯正兩種類型，其中2D矯正就是通過眼間距、鼻子、嘴角等對其進(jìn)行變換處理;而3D矯正則就是正臉化，通過標(biāo)定點(diǎn)配對的方式獲得其三維臉模型的仿射參數(shù)，綜合參數(shù)獲得其相關(guān)位置，在對其進(jìn)行插值處理、對稱補(bǔ)齊，對其進(jìn)行系統(tǒng)處理。

1.3 多任務(wù)人臉識別

多任務(wù)人臉識別就是通過多種任務(wù)學(xué)習(xí)的訓(xùn)練卷積網(wǎng)絡(luò)以及通過網(wǎng)絡(luò)對人臉進(jìn)行識別。多任務(wù)學(xué)習(xí)主要就是認(rèn)證、鑒別以及屬性不同類型的監(jiān)督信息。

在實(shí)踐中，其主要就是對任務(wù)產(chǎn)生的交叉嫡損失進(jìn)行網(wǎng)絡(luò)訓(xùn)練的鑒別處理，提升網(wǎng)絡(luò)的初值質(zhì)量;然后在通過對三元組損失對其進(jìn)行優(yōu)化訓(xùn)練，進(jìn)而提升其辨別精準(zhǔn)度;最后就是在訓(xùn)練基礎(chǔ)之上，加入屬性分類任務(wù)對其進(jìn)行訓(xùn)練，在完成認(rèn)證、鑒別以及屬性的處理。

人臉驗(yàn)證任務(wù)在實(shí)踐中要對兩張標(biāo)準(zhǔn)鏈特征進(jìn)行提取，在對其進(jìn)行相似度的度量對比，較為常見的方式就是歐式距離、余弦距離與聯(lián)合貝葉斯幾種方式。而比較距離以及閡值的關(guān)系就可以判定其是否通過，在實(shí)踐中表明預(yù)選距離相對來說具有一定的效果，在應(yīng)用貝葉斯方法的時(shí)候要對其進(jìn)行額外的訓(xùn)練處理，這樣就會(huì)增加其復(fù)雜程度。

人臉鑒別任務(wù)中提取其要鑒別的標(biāo)準(zhǔn)臉的數(shù)值特征之后，在進(jìn)入到人臉庫中對其進(jìn)行對比，綜合特征獲得結(jié)果，返回獲得對應(yīng)名字，在海量的注冊中進(jìn)行人臉識別可以提升其監(jiān)測速度與質(zhì)量。

而人臉屬性分類任務(wù)在實(shí)踐中應(yīng)用就是將與處理的標(biāo)準(zhǔn)臉在已經(jīng)訓(xùn)練好的卷積網(wǎng)絡(luò)中進(jìn)行分析，進(jìn)而獲得其相關(guān)屬性特征，獲得結(jié)果信息。

2 基于多任務(wù)的卷積神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)框架

2.1 鑒別網(wǎng)絡(luò)訓(xùn)練

人臉鑒別任務(wù)就是標(biāo)準(zhǔn)臉獲得其相關(guān)身份信息。綜合任務(wù)的實(shí)際特征，將人臉鑒別任務(wù)理解為多分類的任務(wù)模式。如果在數(shù)據(jù)集中獲得信息屬于不同身份的個(gè)人，就要對這些人臉進(jìn)行分類，在學(xué)習(xí)的過程中，要必須要通過網(wǎng)絡(luò)對個(gè)人的表情、姿態(tài)變化以及光照的魯棒性對其進(jìn)行分析，劃分同類;同時(shí)必須要區(qū)分相似的人臉，對其進(jìn)行劃分。而對于給定的人臉圖片，在通過4次卷積池化以及1次全連接之后就會(huì)獲得人臉對應(yīng)的特征，然后在對其進(jìn)行丟棄、處理。

在應(yīng)用中，為了提升網(wǎng)絡(luò)的識別系統(tǒng)精準(zhǔn)度。在訓(xùn)練過程中必須要對數(shù)據(jù)信息進(jìn)行擴(kuò)充。通過隨機(jī)截取輸入圖片中的固定區(qū)域大小數(shù)值，避免因?yàn)闃?biāo)準(zhǔn)者自身習(xí)慣不同產(chǎn)生的禪意性，在精準(zhǔn)的分析不同部位額細(xì)節(jié)差異，避免網(wǎng)絡(luò)過擬合。在實(shí)踐中必須要對人臉的對稱性進(jìn)行分析，對其進(jìn)行水平方向的翻折處理。

2.2 認(rèn)證鑒別網(wǎng)絡(luò)訓(xùn)練

人臉認(rèn)證就是對兩張人臉進(jìn)行判定，分析其是否屬于同一個(gè)人。在認(rèn)證鑒別中三元組損失相對較為直接，在操作中將其獲得的鑒別網(wǎng)絡(luò)作為初值在通過三元組件加強(qiáng)監(jiān)督，可以提升網(wǎng)絡(luò)訓(xùn)練的速度，在實(shí)踐中也可以提升人臉識別中鑒別與認(rèn)證任務(wù)的質(zhì)量，提升精準(zhǔn)度。

2.3 認(rèn)證鑒別屬性分類網(wǎng)絡(luò)訓(xùn)練

在應(yīng)用中，人臉識別屬性分類任務(wù)較為重要。在操作志宏要基于認(rèn)證鑒別網(wǎng)絡(luò)的基礎(chǔ)之上，加入屬性分類的監(jiān)督管理信息，對其進(jìn)行人臉驗(yàn)證、鑒別以及屬性分類任務(wù)處理。這樣可以有效的消除在人臉數(shù)據(jù)中姿態(tài)、位置以及尺度之間存在的差異性。在操作中可以將認(rèn)證鑒別網(wǎng)絡(luò)訓(xùn)練獲得的網(wǎng)絡(luò)作為網(wǎng)絡(luò)初值，在適當(dāng)?shù)脑黾覥elebA數(shù)據(jù)集。在訓(xùn)練過程中忽略因?yàn)槲恢眯畔?dǎo)致的各種損失問題。將網(wǎng)絡(luò)的主體部分氛圍兩路，在利用人臉鑒別以及人臉屬性的交叉嫡損失作為其整體損失數(shù)值，這樣就可以共享網(wǎng)絡(luò)底層特征，利用單一的網(wǎng)絡(luò)就可以進(jìn)行人臉鑒別、認(rèn)證以及屬性分類處理。

3 結(jié)束語

通過對多任務(wù)學(xué)習(xí)的卷積神經(jīng)網(wǎng)絡(luò)框架在人臉識別中應(yīng)用分析，對基于多任務(wù)學(xué)習(xí)人臉識別框架以及基于多任務(wù)的卷積神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)框架進(jìn)行了簡單的闡述分析，將人臉鑒別、認(rèn)證以及豎向作為其網(wǎng)絡(luò)目標(biāo)函數(shù)，利用端對端的訓(xùn)練方式對深度卷積網(wǎng)絡(luò)進(jìn)行訓(xùn)練，整個(gè)算法簡單有效，其魯棒性良好，效果顯著。在實(shí)踐中通過多任務(wù)學(xué)習(xí)以及卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行人臉識別，可以提升工作效率與質(zhì)量，提升識別精準(zhǔn)性，進(jìn)而為各項(xiàng)工作的開展提供有效的信息支持。

參考文獻(xiàn)

[1]邵蔚元，郭躍飛，多任務(wù)學(xué)習(xí)及卷積神經(jīng)網(wǎng)絡(luò)在人臉識別中的應(yīng)用[J].計(jì)算機(jī)工程與應(yīng)用，2016，52 （13）：32-37.

[2]張少華，基于深度卷積神經(jīng)網(wǎng)絡(luò)的人臉基準(zhǔn)點(diǎn)定位研究[D].華中科技大學(xué)，2016.

[3]郭曉潔，陳良，沈長青等.自適應(yīng)深度卷積神經(jīng)網(wǎng)絡(luò)在人臉識別上的應(yīng)用[J] 自動(dòng)化技術(shù)與應(yīng)用，2017，36 （07）： 72-77.