典型文献
多尺度注意力融合和抗噪声的轻量点云人脸识别模型
文献摘要：
在低质量点云人脸数据集上,判别性特征的提取和模型对噪声的鲁棒性是解决点云人脸识别问题的关键.针对现有轻量点云人脸识别算法不能充分提取判别性特征和数据集中存在大量噪声而影响模型训练的问题,设计轻量高效的网络模型,提出了基于多尺度注意力融合和抗噪声的自适应损失函数的点云人脸识别算法.首先通过不同卷积模块获得不同感受野大小的特征图.然后进行多尺度的注意力特征提取,并使用高层的注意力权重来引导低层注意力权重的生成,最后进行通道融合得到多尺度融合的特征,提升了模型捕获人脸细节特征的能力.其次,根据低质量点云人脸图像的噪声信息特点,设计了一种新颖的抗噪声的自适应损失函数(anti-noise adaptive loss),以应对数据集大量噪声对模型训练过程中可能造成的负面影响,提升模型的鲁棒性和泛化能力.在开源数据集Lock3DFace和本文提出的KinectFaces数据集上的实验结果表明,与当前的主流算法相比该算法模型在低质量点云人脸识别任务中具有更好的识别效果.
文献关键词：
点云人脸识别;注意力融合;注意力特征提取;损失函数
中图分类号：
作者姓名：
郭文;李冬;袁飞
作者机构：
山东工商学院信息与电子工程学院,山东烟台 264005;中国科学院信息工程研究所,北京 100195
文献出处：
引用格式：
[1]郭文;李冬;袁飞-.多尺度注意力融合和抗噪声的轻量点云人脸识别模型)[J].图学学报,2022(06):1124-1133
A类：
点云人脸识别,注意力特征提取,Lock3DFace,KinectFaces
B类：
多尺度注意力,注意力融合,抗噪声,人脸识别模型,低质量,人脸数据集,判别性特征,特征的提取,人脸识别算法,分提,影响模型,模型训练,自适应损失函数,卷积模块,感受野,特征图,注意力权重,重来,低层,层注意力,道融,多尺度融合,细节特征,人脸图像,声信,anti,noise,adaptive,loss,训练过程,泛化能力,开源数据集,流算法,算法模型
AB值：
0.257108
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。
