当今人脸识别技术的现状与未来研究方向

被引:6
作者
王浩
机构
[1] 澳大利亚昆士兰大学信息技术与电气工程学院
关键词
人脸识别; 深度学习; 卷积神经网络; 图像处理效率; 人脸匹配正确率;
D O I
暂无
中图分类号
TP391.41 [];
学科分类号
080203 ;
摘要
近些年来,人脸识别成为了热门领域。从最初的传统人脸识别方法,到现在的基于深度学习的人脸识别模型,人脸识别技术的性能得到了巨大提升。然而,在图像信息受噪声或者受光照、模糊、侧脸、遮挡等现象影响较严重的情况下,其图像处理效率以及人脸匹配正确率依然有较大的提升空间。重点综述了当今基于深度学习的人脸识别模型,报告了当今人脸识别技术的现状。最后,对人脸识别技术未来研究方向进行了展望,认为未来应着重解决卷积神经网络的局部最优问题、训练数据集的"深""宽"问题和最佳网络结构问题。
引用
收藏
页码:1905 / 1911
页数:7
相关论文
共 6 条
  • [1] 基于深度卷积神经网络的人脸识别技术综述
    景晨凯
    宋涛
    庄雷
    刘刚
    王乐
    刘凯伦
    [J]. 计算机应用与软件, 2018, 35 (01) : 223 - 231
  • [2] Eigenfaces vs. Fisherfaces: recognition using class specific linear projection[J] . Belhumeur P.N.,Hespanha J.P.. IEEE Transactions on Pattern Analysis and Machine Intelligence . 1997 (7)
  • [3] EIGENFACES FOR RECOGNITION
    TURK, M
    PENTLAND, A
    [J]. JOURNAL OF COGNITIVE NEUROSCIENCE, 1991, 3 (01) : 71 - 86
  • [4] Application of the Karhunen-Loeve Procedure for the Characterization of Human Faces.[J] . M. Kirby,L. Sirovich. IEEE Trans. Pattern Anal. Mach. Intell. . 1990 (1)
  • [5] Quality Fusion Rule for Face Recognition in Video .2 Wang C,Li Y,Ao X. Advanced Concepts for Intelligent Vision Systems,International Conference . 2009
  • [6] Deepface:Closing the gap to human-level performance in face verification .2 TAIGMAN Y,YANG M,RANZATO M A et al. Conference on Computer Vision and Pattern Recognition (CVPR) . 2014