融合Transformer的改进遮挡人脸识别算法

杨雨涵; 茅正冲; 王艳媛

doi:10.13873/J.1000-9787(2025)08-0154-06

Chinese

您当前的位置：

首页 >

文章列表页 >

融合Transformer的改进遮挡人脸识别算法

计算与测试 | 更新时间：2025-09-16

- 融合Transformer的改进遮挡人脸识别算法
- 暂无标题
- 传感器与微系统 2025年第8期页码：154-159
- 作者机构：
  
  江南大学物联网工程学院
- 作者简介：
- 基金信息：
  
  国家自然科学基金青年科学基金资助项目(6170185)
- DOI：10.13873/J.1000-9787(2025)08-0154-06
  中图分类号： TP391.41
- 纸质出版：2025
- 稿件说明：
移动端阅览
杨雨涵, 茅正冲, 王艳媛. 融合Transformer的改进遮挡人脸识别算法[J]. 传感器与微系统, 2025,(8):154-159.
杨雨涵, 茅正冲, 王艳媛. 融合Transformer的改进遮挡人脸识别算法[J]. 传感器与微系统, 2025,(8):154-159. DOI： 10.13873/J.1000-9787(2025)08-0154-06.

DOI：

摘要

人脸识别技术的应用具有重要意义，已经应用于安全监控、身份验证和隐私保护等领域，但对于遮挡人脸识别技术还在探索中。为更好适应现实场景应用，提出融合Transformer网络结合原有骨干网络Inception-ResNetv1

能够更好地提取遮挡人脸的特征。为更好处理复杂数据集，使用参数校正线性单元(PReLU)函数代替原骨干网络中的校正线性单元(ReLU)函数。使用ArcFace Loss作为损失函数，能够更好地分辨人脸特征的分类边界，提高对遮挡人脸的区分能力。引入卷积块注意力机制(CBAM)

将关注重点放在人脸未遮挡部分，进一步提升了遮挡人脸识别的性能。结果表明，改进后的网络准确率为75.7%

比原算法提高了1.912%

比其他Transformer网络CoTNet、Swim Transformer

分别提高了0.467%和0.35%

比经典卷积神经网络(CNN)MobileNetV1提高了1.65%

效提高了遮挡人脸的识别准确率。

Abstract

关键词

Keywords

references

张刚.局部遮挡的人脸识别深度学习算法改进[D].宁夏大学,2022(02).

张宝军,王钊璇,李孰非.基于改进卷积神经网络的车位角检测算法研究[J].传感器与微系统,2023(06).

李俣彤,鲁文莉,宋伟,南新元,杨书文.基于中心差分卷积与频域辅助的人脸活体检测[J].传感器与微系统,2023(05).

张靖芳,郑冬云.金属基纳米材料在电化学生物传感器中的应用研究进展[J].传感器与微系统,2023(03).

姜绍忠,姚克明,陈磊,王中洲,郭复澳.基于CNN与Transformer混合模型的口罩人脸识别方法[J].传感器与微系统,2023(01).

王卫民,唐洋,张健,张轶秋.基于卷积神经网络特征融合的人脸识别算法[J].计算机与数字工程,2020(01).

Tan Hongchen,Liu Xiuping,Yin Baocai,Li Xin.MHSA-Net: Multihead Self-Attention Network for Occluded Person Re-Identification.[J].IEEE transactions on neural networks and learning systems,2022.

Linsen Song,Jie Cao,Lingxiao Song,Yibo Hu,Ran He.Geometry-Aware Face Completion and Editing[J].Proceedings of the AAAI Conference on Artificial Intelligence,2019.

浏览量

183

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于注意力机制的特征融合孪生网络目标跟踪算法

基于图像融合与深度学习的人脸表情识别

一种新型注意力机制的双人交互行为识别方法

基于时空Transformer的视觉目标跟踪算法

基于改进ResNet18模型的驾驶员面部表情识别方法