基于深度學(xué)習(xí)的互聯(lián)網(wǎng)圖片人臉檢索系統(tǒng).pdf

1、近些年來，人臉檢索技術(shù)已經(jīng)融入到國家安全、金融、民政、監(jiān)控等各個領(lǐng)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(guān)人臉已經(jīng)成為當(dāng)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(guān)注和研究。另一方面，卷積神經(jīng)網(wǎng)絡(luò)在計算機視覺等領(lǐng)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(luò)特征提取能力促進哈希函數(shù)

2、學(xué)習(xí)等問題，并且卷積神經(jīng)網(wǎng)絡(luò)需要昂貴的計算代價和巨大的參數(shù)存儲空間。基于此，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(luò)進行壓縮，在保證網(wǎng)絡(luò)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(shè)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(luò)能夠有效學(xué)習(xí)圖像特征的優(yōu)勢，將深度網(wǎng)絡(luò)與哈希編碼進行結(jié)合，通過分類誤差和量化誤差來直

3、接指導(dǎo)網(wǎng)絡(luò)的訓(xùn)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(zhǔn)確性和實效性的哈希特征。本文將圖像特征學(xué)習(xí)、哈希函數(shù)學(xué)習(xí)以及分類器學(xué)習(xí)統(tǒng)一到一個端到端網(wǎng)絡(luò)結(jié)構(gòu)中，從深度哈希函數(shù)、目標(biāo)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(jié)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(luò)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(luò)剪枝、權(quán)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(luò)精度無損的基本前提下，成功地在LeNet-5網(wǎng)絡(luò)、AlexNet網(wǎng)絡(luò)、VGG-16網(wǎng)絡(luò)以及本文提出的DHCQ網(wǎng)絡(luò)上實現(xiàn)了參數(shù)壓縮，最終取得了35-49倍的網(wǎng)絡(luò)壓縮比率。
　　3)設(shè)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(jié)果，并且會給出當(dāng)前檢索情況下具體的評價指標(biāo)MAP，方便用