基于深度學習的互聯(lián)網(wǎng)圖片人臉檢索系統(tǒng).pdf_第1頁
已閱讀1頁,還剩67頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領

文檔簡介

1、近些年來,人臉檢索技術已經(jīng)融入到國家安全、金融、民政、監(jiān)控等各個領域。一方面,隨著互聯(lián)網(wǎng)人臉圖片的爆炸式增長,如何從海量人臉數(shù)據(jù)中快速檢索出相關人臉已經(jīng)成為當前亟需解決的難題,以哈希為代表的近似近鄰搜索方法得到廣泛關注和研究。另一方面,卷積神經(jīng)網(wǎng)絡在計算機視覺等領域取得了驚人的性能。于是,深度哈希算法受到了研究者的青睞。
  已有深度哈希算法往往存在著忽略二值化處理過程中帶來的數(shù)據(jù)分布變化、無法充分利用網(wǎng)絡特征提取能力促進哈希函數(shù)

2、學習等問題,并且卷積神經(jīng)網(wǎng)絡需要昂貴的計算代價和巨大的參數(shù)存儲空間?;诖?,本文提出了基于分類和量化誤差的深度哈希算法,并進一步地對深度網(wǎng)絡進行壓縮,在保證網(wǎng)絡識別精度的同時,加快計算效率和減少參數(shù)存儲空間。最終,本文設計并實現(xiàn)了一個互聯(lián)網(wǎng)圖片人臉檢索系統(tǒng)。本文的具體工作如下:
  1)創(chuàng)新性地提出了基于深度哈希的人臉檢索算法。本文利用深度神經(jīng)網(wǎng)絡能夠有效學習圖像特征的優(yōu)勢,將深度網(wǎng)絡與哈希編碼進行結合,通過分類誤差和量化誤差來直

3、接指導網(wǎng)絡的訓練,最大程度地保持原始數(shù)據(jù)的聚類分布性并減少二值量化誤差,從而求得同時滿足檢索準確性和實效性的哈希特征。本文將圖像特征學習、哈希函數(shù)學習以及分類器學習統(tǒng)一到一個端到端網(wǎng)絡結構中,從深度哈希函數(shù)、目標損失函數(shù)、以及針對性地層次特征融合三個方面對已有哈希算法進行改進,豐富的實驗結果充分說明了方法的有效性。
  2)利用深度壓縮算法壓縮提出的人臉檢索模型。隨著網(wǎng)絡模型在深度和寬度方面的不斷擴展,模型的計算量和參數(shù)的存儲空間

4、呈幾何倍增長。本文利用已有的深度壓縮算法,從網(wǎng)絡剪枝、權重量化和共享以及最終的霍夫曼編碼三個方面實現(xiàn)對參數(shù)存儲的空間壓縮。在網(wǎng)絡精度無損的基本前提下,成功地在LeNet-5網(wǎng)絡、AlexNet網(wǎng)絡、VGG-16網(wǎng)絡以及本文提出的DHCQ網(wǎng)絡上實現(xiàn)了參數(shù)壓縮,最終取得了35-49倍的網(wǎng)絡壓縮比率。
  3)設計并實現(xiàn)了互聯(lián)網(wǎng)圖片人臉檢索系統(tǒng)。該系統(tǒng)可以讓用戶便捷地瀏覽人臉檢索結果,并且會給出當前檢索情況下具體的評價指標MAP,方便用

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論