基于自聚焦双神经网络的人脸识别-预测人脸数据

基于自我中心神经网络的人脸识别：在家庭人脸数据库中预测亲戚。在共享人脸识别任务的任务中，双神经网络被广泛用于解决样本数量少，类别大的项目，并且确定输入人脸的相似性达到了很高的鲁棒性。
在设计和改造传统的双神经网络时，我们提出了一种基于自我注意机制的双神经网络，以推导经典的人脸识别任务。
网络设计思想结合了最近提出的全局上下文非本地注意模块（GlobalContextNon-localNetwork，GCBlock），并使用一种自我注意机制来合并面部的主要长途特征并减少其数量。培训是使用西北大学的SMILE面部数据集进行的，在Kaggle举办的官方面部识别数据竞赛中名列前十名。
实验表明，全局上下文模块可以有效地合并人脸主要长途特征之间的依赖信息，并与双胞胎网络相结合，大大提高了相关性预测任务的准确性。
（本文的总页数为3页）。
[继续阅读本文]如何获得本文>>如何获得本杂志>>