典型文献
基于孪生神经网络的小样本人脸识别
文献摘要：
在基于深度学习的人脸识别领域中,孪生神经网络是一种解决过少样本数据降低模型性能并导致过拟合现象的有效方法.文章基于孪生神经网络提出一种引入CBAM混合域注意力机制的小样本人脸识别方法,对比实验将输出值映射为128维特征向量;采用对比损失函数,通过比较样本网络输出特征向量之间的欧氏距离来判断人脸的相似度.结果表明:在使用更少的训练数据情况下,孪生神经网络引入CBAM能够为不同通道的特征图设置不同的权重,可以显著提高模型的准确率;以实验准确率为性能指标,与其他4种人脸识别模型对比,文章所提出的算法对于小样本集的人脸识别准确率达到了98.12％.
文献关键词：
孪生神经网络;注意力机制;人脸识别;小样本;深度学习
中图分类号：
作者姓名：
万立志;张运楚;葛浙东;王超
作者机构：
山东建筑大学 信息与电气工程学院, 山东 济南 250101;山东省智能建筑技术重点实验室, 山东 济南250101
文献出处：
引用格式：
[1]万立志;张运楚;葛浙东;王超-.基于孪生神经网络的小样本人脸识别)[J].山东建筑大学学报,2022(01):79-85,99
A类：
B类：
孪生神经网络,小样本,少样本,模型性能,过拟合,CBAM,混合域注意力机制,维特,特征向量,对比损失,损失函数,欧氏距离,训练数据,特征图,人脸识别模型,模型对比,样本集,识别准确率
AB值：
0.263779
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。
