APP下载

基于多任务浅层C N N的无效人脸图片过滤

2018-07-04西南交通大学陈富强

电子世界 2018年12期

西南交通大学 陈富强

1 引言

通过研究发现,经过浅层CNN完成模糊人脸图片过滤后,可以使用浅层CNN进行偏转角度过大人脸图片过滤,而且可以使用与判断图像是否模糊完全相同的浅层CNN网络。本文提出一种多任务浅层CNN用于同时进行模糊人脸图片过滤和偏转角度过大人脸图片过滤。

2 多任务浅层CNN的结构

如图1所示,多任务浅层CNN的第一层为卷积层,其作用是滤波,提高抗干扰能力,后面两层的作用是特征提取;再增加一个全连接层用于分类。

图1 多任务浅层CNN的结构

3 准备数据集

多任务浅层CNN的数据集的标签由两部分组成,一部分用于标记图片是清晰还是模糊;另一部分用于标记图片是正面人脸还是侧面人脸。因为只有当图片清晰时才会去判断其偏转角度,所以当图片是模糊图片时,其偏转角度的标签都是0;只有图片是清晰时才有正面和侧面的区别。

本文的数据集是从《爱情公寓第二季》视频中抓取的。数据集由三个文件夹组成,第一个文件夹放置清晰的正面人脸,第二个文件夹放置清晰的侧面人脸,第三个文件夹放置模糊的人脸。清晰的正面人脸图片对应的标签为,清晰地侧面人脸对应的标签为,模糊的人脸图片对应的标签为。

目前,训练集有清晰的正面人脸8722张,清晰的偏转角度过大的人脸8044张,模糊的人脸图片8166张。

4 训练模型

与其他神经网络不同,多任务浅层CNN的训练过程需要对损失函数进行分类处理,当图片是清晰的图片时,损失函数由两部分组成;……

登录APP查看全文