Face Recognition Based On Deep Learning

Zhongjin Zhang

Abstract

Face recognition is one of the most studied field of computer vision and pattern recognition. With the development of society and information technology, face recognition technology is widely used in information security and entertainment. Deep learning, as an important breakthrough of artificial intelligence, has been widely used in face recognition tasks. However, current recognition algorithms are mostly implemented on well prepared face images for special tasks, while face images captured in real life are effected by aspects like illumination, filming angle and block items etc.. The topic of this thesis is to recognize gender of faces and smile faces on small images with complex background and decoration. Three kinds of convolutional neural network architectures are introduced. The first architecture, CNN-1 is generated from LeNet-5 by increasing the number of feature maps. The second and third, named CNN-2 and CNN-3, are generated according to VGGNet and Inception structure. The SeLu activation function is also implemented. The experiment shows that CNN-3 architecture, which is deeper and wider than other two architectures, using SeLu activation function results in a higher accuracy. On the contrary, the usage of SeLu function cannot improve the performance of shallow network. The experiments are implemented on Caffe framework with CPU.
Diploma typeMaster of Science
Author Zhongjin Zhang (FEIT)
Zhongjin Zhang,,
- Faculty of Electronics and Information Technology
Title in PolishRozpoznawanie twarzy korzystająca z głębokiego uczenia
Supervisor Rajmund Kożuszek (FEIT / IN)
Rajmund Kożuszek,,
- The Institute of Computer Science
Certifying unitFaculty of Electronics and Information Technology (FEIT)
Affiliation unitThe Institute of Computer Science (FEIT / IN)
Study subject / specializationInformatyka (Computer Science)
Languageen angielski
StatusFinished
Defense Date23-03-2018
Issue date (year)2018
Internal identifier71/18 (2482)
Reviewers Roman Podraza (FEIT / IN)
Roman Podraza,,
- The Institute of Computer Science
, Rajmund Kożuszek (FEIT / IN)
Rajmund Kożuszek,,
- The Institute of Computer Science
Keywords in Polishrozpoznawanie twarzy, głębokie uczenie, sieci splotowe, sieci normalizujące się, Caffe
Keywords in Englishface recognition, deep learning, convolutional networks, self normalized networks, Caffe
Abstract in PolishRozpoznawanie twarzy jest jednym ze szczególnie istotny problemów w dziedzinach wizji komputerowej i rozpoznawania wzorców. Wraz z rozwojem społeczeństwa i technologii informacyjnej, technologia rozpoznawania twarzy jest szeroko stosowana w bezpieczeństwie informacji i rozrywce. Głębokie uczenie, jako ważny przełom w sztucznej inteligencji, było szeroko stosowane w zadaniach rozpoznawania twarzy. Jednak obecne algorytmy rozpoznawania są w większości realizowane na dobrze przygotowanych obrazach twarzy, podczas gdy obrazy twarzy w rzeczywistych warunkach silnie zależą od oświetlenia, kąta ustawienia kamery, przesłaniania części twarzy, itp. Tematem tej pracy jest rozpoznanie płci osoby i uśmiechu na podstawie małych obrazów twarzy zebranych w warunkach naturalnych. Do rozwiązania problemu zostały zaprojektowane trzy splotowe sieci neuronowe. Pierwsza architektura, CNN-1, jest modyfikacją klasycznej sieci LeNet-5 polegającą na zwiększeniu liczby map cech. Druga i trzecia sieć, o nazwach CNN-2 i CNN-3, są zgodne z architekturą VGGNet i Inception. Dodatkowo w sieciach została sprawdzona nowa funkcja aktywacji SeLu. Eksperymenty wykazały, że architektura CNN-3, która jest głębsza i szersza niż inne dwie pozostałe architektury, wykorzystująca funkcję aktywacji SeLu, zapewnia wyższą dokładność. Zastosowanie funkcji SeLu w pozostałych architekturach pogorszyło jakość klasyfikacji. Eksperymenty przeprowadzone w tej pracy zrealizowano w środowisku Caffe z obliczeniami realizowanymi na procesorze CPU.
File
Face_Recognition_Based_On_Deep_Learning.pdf 2.37 MB
Local fieldsIdentyfikator pracy APD: 25464

Get link to the record

Back