典型文献
课堂场景下改进MobileNetv3人脸识别算法
文献摘要：
针对课堂场景中人脸识别性能不佳的问题,提出一种基于改进MobileNetv3的人脸识别算法.首先,利用全局逐通道卷积层(global depthwise convolution,GDConv)优化特征提取网络,根据特征提取网络最后一层特征图中不同感知单元的重要性程度对其赋予不同的权重,提取更多人脸有效特征,同时减少干扰信息影响.然后,采用协调注意力机制(coordinate at-tention,CA)同时提取人脸特征位置信息和通道信息,增强模型的特征表达能力.此外,通过优化模型提取的特征向量维度,降低遮挡对人脸识别算法精度的影响.最后,使用Softmax损失函数和Center损失函数联合监督模型训练,使学习到的特征类内距离更加紧凑,类间距离更加发散.实验结果表明,算法在识别准确率和速度方面均优于其他比较算法,在LFW数据集上人脸识别准确率可达96.1％,在真实课堂场景中识别精度为93.54％,速率为124 fps.
文献关键词：
课堂场景;人脸识别;MobileNetv3;协调注意力机制;联合监督
中图分类号：
作者姓名：
冯婧;顾梅花;刘晓龙;崔琳
作者机构：
西安工程大学电子信息学院 西安710048
文献出处：
引用格式：
[1]冯婧;顾梅花;刘晓龙;崔琳-.课堂场景下改进MobileNetv3人脸识别算法)[J].国外电子测量技术,2022(10):47-55
A类：
GDConv
B类：
课堂场景,MobileNetv3,人脸识别算法,识别性,卷积层,global,depthwise,convolution,特征提取网络,特征图,有效特征,信息影响,协调注意力机制,coordinate,tention,CA,同时提取,人脸特征,位置信息,增强模型,特征表达,表达能力,特征向量,向量维度,遮挡,Softmax,损失函数,Center,数联,联合监督,模型训练,类内距离,加紧,紧凑,类间距离,加发,发散,识别准确率,LFW,识别精度,fps
AB值：
0.432829
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
