基于改進(jìn)lenet-5網(wǎng)絡(luò)的人臉識(shí)別研究

(西安工程大學(xué)電子信息學(xué)院 陜西 西安 710048)

引言

傳統(tǒng)的人臉識(shí)別方法一般通過(guò)人工來(lái)提取特征，常用的人臉識(shí)別方法主要分為基于先驗(yàn)知識(shí)的關(guān)鍵特征點(diǎn)檢測(cè)但、模板匹配法和膚色模型法，以及基于統(tǒng)計(jì)的特征子空間和隱馬爾科夫模型[1]。是對(duì)于圖像的識(shí)辨率最高只達(dá)到0.7423，而且各種算子都有很大的局限性。相對(duì)于人工提取圖像特征的種種不足，神經(jīng)網(wǎng)絡(luò)利用計(jì)算機(jī)強(qiáng)大的運(yùn)算力自動(dòng)提取到的圖像特征更加全面。Geoffrey E.Hinton[2,3]教授和他的學(xué)生Alex Krizhevsky首次采用卷積神經(jīng)網(wǎng)絡(luò)的方法進(jìn)行人臉識(shí)別準(zhǔn)確率就達(dá)到0.83578。而后來(lái)的香港中文大學(xué)湯曉鷗教授提出的ResNet網(wǎng)絡(luò)在LFW數(shù)據(jù)集上識(shí)別率達(dá)到0.96433，但ResNet網(wǎng)絡(luò)一共有152層網(wǎng)絡(luò)結(jié)構(gòu)。越深的網(wǎng)絡(luò)結(jié)構(gòu)，網(wǎng)絡(luò)的參數(shù)就越多，學(xué)習(xí)難度和優(yōu)化難度就越高。合理的神經(jīng)網(wǎng)絡(luò)構(gòu)架對(duì)于神經(jīng)網(wǎng)絡(luò)的研究非常重要[4-7]。本文就以經(jīng)典卷積神經(jīng)lenet-5網(wǎng)絡(luò)為基礎(chǔ)，提出一種改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)對(duì)圖像識(shí)別問(wèn)題進(jìn)行研究。

一、卷積神經(jīng)網(wǎng)絡(luò)的原理

(一)卷積人工神經(jīng)網(wǎng)絡(luò)

人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network，ANN)算法的思想來(lái)源于生物學(xué)中神經(jīng)網(wǎng)絡(luò)的基本原理，類似于人類大腦神經(jīng)元對(duì)外界信號(hào)的抽象和理解能力，人工神經(jīng)網(wǎng)絡(luò)就是仿照這一過(guò)程，將輸入的圖片或者語(yǔ)音等信息，運(yùn)用權(quán)重鏈接的思想，將每一個(gè)神經(jīng)元都看作是一個(gè)小型分類器，從而對(duì)輸入信息進(jìn)行分類、抽象和識(shí)別的一種數(shù)學(xué)模型。

(二)卷積神經(jīng)網(wǎng)絡(luò)

卷積神經(jīng)網(wǎng)絡(luò)是神經(jīng)網(wǎng)絡(luò)中的一種特殊網(wǎng)絡(luò)結(jié)構(gòu)，它由加拿大YannLe Cun教授于1989年提出。傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)在圖像處理領(lǐng)域并不適用。表征一張圖像信息的像素點(diǎn)往往以百萬(wàn)計(jì)，更何況成千上萬(wàn)張圖像，所需的參數(shù)太多，不論從計(jì)算資源、調(diào)整參數(shù)難度和識(shí)別效果等方面訓(xùn)練難度都太大，而卷積神經(jīng)網(wǎng)絡(luò)卻可以很好地處理圖像領(lǐng)域參數(shù)太多等問(wèn)題。卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network，CNN)是神經(jīng)網(wǎng)絡(luò)中處理圖像領(lǐng)域問(wèn)題的常用的網(wǎng)絡(luò)模型之一。它主要由輸入層、卷積層、池化層、全連接層和輸出層組成。

1.卷積層(Convolutional layer)

卷積層l的計(jì)算公式為：

(1)

2.池化層(pooling layer)

池化層又叫下采樣層(sub-sampling)，計(jì)算公式為：

(2)

式中，f(·)表示激活函數(shù)，D(·)為池化函數(shù)，wl為可訓(xùn)練參數(shù)，bl為該層各神經(jīng)元偏置。一般常用的池化方式有最值池化(Max Pooling)和均值池化(Mean Pooling)。空間池化旨在縮減訓(xùn)練樣本的大小，從而進(jìn)一步大幅度減少算法所需的計(jì)算量。池化又叫下采樣，顧名思義，就是根據(jù)圖像的放縮不變性，對(duì)訓(xùn)練樣本進(jìn)行采樣，進(jìn)而減少訓(xùn)練的樣本數(shù)，達(dá)到減少計(jì)算量的效果。

3.全連接(Fully-Connected layer，F(xiàn)C)

全連接層的計(jì)算公式為：

(3)

二、lenet-5網(wǎng)絡(luò)的改進(jìn)

(一)lenet-5網(wǎng)絡(luò)結(jié)構(gòu)

lenet-5網(wǎng)絡(luò)對(duì)手寫數(shù)字圖像有著很高的識(shí)別率，但是與手寫數(shù)字圖像相比，人臉圖像更加復(fù)雜，就需要對(duì)lenet-5網(wǎng)絡(luò)進(jìn)行改進(jìn)，是改進(jìn)后的lenet-5網(wǎng)絡(luò)具有更加優(yōu)秀的圖像特征提取能力和識(shí)別能力。圖1是lenet-5網(wǎng)絡(luò)的結(jié)構(gòu)示意圖。

圖1 lenet5神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

lenet-5網(wǎng)絡(luò)一共由8層網(wǎng)絡(luò)構(gòu)成，其中包括輸入層，2層卷積層，2層池化層和3層全連接層，每層都包含不同數(shù)量的訓(xùn)練參數(shù)，具體如表1所示。

兩層卷積層分別為C1和C3，它們都采用5×5的卷積核，卷積核每次滑動(dòng)一個(gè)像素點(diǎn)(stride=1)，并且每一張?zhí)卣鲌D譜共用同一個(gè)卷積核提取圖像的特征。C3層前6個(gè)特征圖與S2層前3個(gè)特征圖譜相連接，后面6個(gè)特征圖譜與S2層中間4個(gè)特征圖譜相連接，后面3個(gè)特征圖譜與S2層部分不相連的4個(gè)特征圖譜相連接，最后一個(gè)特征圖與S2層的所有特征圖譜相連。這種不對(duì)稱的組合連接方式更加有利于提取到圖像的組合特征。

表1 lenet-5網(wǎng)絡(luò)的具體參數(shù)

池化層S2和S4使用的都是2×2的計(jì)算核，計(jì)算核的數(shù)量與圖譜數(shù)量相對(duì)應(yīng)。池化層對(duì)網(wǎng)絡(luò)中的特征圖譜的數(shù)量沒(méi)有影響，針對(duì)的是特征圖譜的大小，主要作用是使特征圖譜大小縮減為原來(lái)的1/4，從而減少網(wǎng)絡(luò)訓(xùn)練的計(jì)算量。FC5、是lenet-5中的三層全連接層。再經(jīng)過(guò)全連接層FC6，最后由全連接層FC7輸出最終的識(shí)別結(jié)果。FC7全連接層即為最終的輸出層，共有10個(gè)節(jié)點(diǎn)，在手寫數(shù)字識(shí)別中分別代表數(shù)字0到9，采用徑向基函數(shù)(Radial Basis Function，RBF)作為損失函數(shù)確定最終的識(shí)別結(jié)果。

(二)改進(jìn)后的lenet-5網(wǎng)絡(luò)結(jié)構(gòu)

為了實(shí)現(xiàn)復(fù)雜人臉圖像的特征提取，首先增加lenet-5網(wǎng)絡(luò)提取圖像特征的卷積層，接著通過(guò)增加池化層、L2正則化以及dropout等方法來(lái)減少計(jì)算成本和網(wǎng)絡(luò)的參數(shù)，防止過(guò)擬合。而最后的損失函數(shù)則采用基于信息論的交叉熵(Cross Entropy)，它可以有效的評(píng)估改進(jìn)后lenet-5網(wǎng)絡(luò)訓(xùn)練輸出的概率分布與測(cè)試集概率分布之間的差異。改進(jìn)后的lenet-5網(wǎng)絡(luò)結(jié)構(gòu)具體參數(shù)如表2所示。

表2 改進(jìn)lenet5網(wǎng)絡(luò)的具體參數(shù)

改進(jìn)后的網(wǎng)絡(luò)共由11層網(wǎng)絡(luò)層組成，分別由4個(gè)卷積層(C1，C3，C5，C7)、4個(gè)池化層(S2，S4，S6，S8)以及3個(gè)全連接層(FC9，F(xiàn)C10，F(xiàn)C11)組成。前兩個(gè)卷積層C1、C3采用5×5的卷積核且步長(zhǎng)為2，后兩個(gè)卷積層C5、C7采用3×3的卷積核且步長(zhǎng)為1，不同大小的卷積核可以更加全面地提取圖像的特征。各個(gè)卷積層的激活函數(shù)為Rule函數(shù)，用以向網(wǎng)絡(luò)中添加非線性的元素，同時(shí)避免如sigmoid激活函數(shù)引起的梯度彌散或者消失問(wèn)題。池化層統(tǒng)一使用最大池化，步長(zhǎng)設(shè)為1，降低網(wǎng)絡(luò)訓(xùn)練的計(jì)算成本。最后的三個(gè)全連接層FC9、FC10、FC11回歸到傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)全連接方式，將前面卷積提取的圖像特征進(jìn)行進(jìn)一步的組合與分類，最后由FC11層Softmax分類器對(duì)圖像特征統(tǒng)一進(jìn)行概率分類輸出。

三、實(shí)驗(yàn)與結(jié)果分析

(一)數(shù)據(jù)集

在神經(jīng)網(wǎng)絡(luò)領(lǐng)域中，數(shù)據(jù)集遠(yuǎn)比算法要重要。上個(gè)世紀(jì)神經(jīng)網(wǎng)絡(luò)發(fā)展緩慢的一個(gè)重要原因就是缺乏有效的數(shù)據(jù)集，當(dāng)然現(xiàn)如今已經(jīng)有相當(dāng)多公開的人臉識(shí)別數(shù)據(jù)集可供選擇。這里選擇的是CASIA-Webfaces數(shù)據(jù)集和LFW數(shù)據(jù)集。

圖2 CASIA-Webfaces數(shù)據(jù)集

圖3 LFW數(shù)據(jù)集

CASIA-Webfaces數(shù)據(jù)集中包含10575個(gè)對(duì)象的455594幅圖像，圖像涵蓋各種姿勢(shì)、年齡和種族，這使它在人臉識(shí)別研究領(lǐng)域頗具盛名。本文將使用CASIA-Webfaces數(shù)據(jù)集對(duì)改進(jìn)的lenet-5網(wǎng)絡(luò)進(jìn)行訓(xùn)練和測(cè)試。LFW(Labeled Faces in the Wild)人臉數(shù)據(jù)庫(kù)是由美國(guó)馬薩諸塞州立大學(xué)阿默斯特分校計(jì)算機(jī)視覺(jué)實(shí)驗(yàn)室整理完成。其中包含13000張人臉圖像，每張圖像都有對(duì)應(yīng)的名字標(biāo)簽，其中1680人對(duì)應(yīng)不只一張圖像。本文采用LFW數(shù)據(jù)集作為對(duì)比實(shí)驗(yàn)中的測(cè)試集，再此數(shù)據(jù)集上進(jìn)一步驗(yàn)證本文改進(jìn)后lenet-5網(wǎng)絡(luò)的有效性。

(二)算法優(yōu)化

將神經(jīng)網(wǎng)絡(luò)的卷積層數(shù)增加到4層，以增強(qiáng)網(wǎng)絡(luò)對(duì)圖像的特征提取能力，采用不同大小的卷積核更進(jìn)一步徹底全面的提取圖像的特征；在前兩層卷積層C1和C3之間采用lenet-5網(wǎng)絡(luò)的連接方式，而在后三層卷積層C3、C5和C7之間采用概率為40%的dropout函數(shù)，來(lái)添加足夠的隨機(jī)性，確保卷積層可以提取到更有效的圖像特征并且防止過(guò)擬合現(xiàn)象的發(fā)生；通過(guò)對(duì)loss損失函數(shù)的L2正則化，使訓(xùn)練后的網(wǎng)絡(luò)更加平滑，避免過(guò)擬合現(xiàn)象，使其測(cè)試集上得到更高的準(zhǔn)確率。采用隨機(jī)梯度下降法(Stochastic Gradient Descent，SGD)高效計(jì)算求解網(wǎng)絡(luò)中的微分運(yùn)算，避免傳統(tǒng)梯度下降法易出現(xiàn)的梯度彌散和局部最小值現(xiàn)象；損失函數(shù)則采用基于信息論的交叉熵(Cross Entropy)，用來(lái)對(duì)網(wǎng)絡(luò)訓(xùn)練時(shí)更新權(quán)值和評(píng)估改進(jìn)后lenet-5網(wǎng)絡(luò)訓(xùn)練輸出的概率分布與測(cè)試集概率分布之間的差異。

(三)實(shí)驗(yàn)與結(jié)果分析

將改進(jìn)后lenet-5網(wǎng)絡(luò)在CASIA-Webfaces數(shù)據(jù)集上進(jìn)行訓(xùn)練和測(cè)試，取得了良好的訓(xùn)練和測(cè)試結(jié)果。圖4為訓(xùn)練和測(cè)試的準(zhǔn)確率隨訓(xùn)練過(guò)程中mini-batch增加的曲線圖，圖5為訓(xùn)練和測(cè)試的loss損失函數(shù)隨訓(xùn)練過(guò)程mini-batch增加而變化的曲線圖。如圖4所示，最終改進(jìn)后的lenet-5網(wǎng)絡(luò)在訓(xùn)練集上的準(zhǔn)確率達(dá)到0.9435，測(cè)試集上的準(zhǔn)確率為0.9449。測(cè)試集上的準(zhǔn)確率結(jié)果不比在訓(xùn)練集上的低，而且沒(méi)有出現(xiàn)過(guò)擬合現(xiàn)象。

圖4 訓(xùn)練與測(cè)試準(zhǔn)確值率曲線圖

圖5 訓(xùn)練與測(cè)試Loss曲線圖

在圖5中，中l(wèi)oss損失函數(shù)而言，訓(xùn)練集上的最終平均損失值為0.1231，測(cè)試集上損失函數(shù)為0.1364。由圖4中Training Accuracy上升曲線和圖5中Training Loss曲線下降趨勢(shì)可知，訓(xùn)練過(guò)程總體而言是滿足我們的需求的，中間沒(méi)有出現(xiàn)太大的突變情況，而且下降和上升的趨勢(shì)和速度也相當(dāng)快速。

為了進(jìn)一步驗(yàn)證改進(jìn)后lenet-5的有效性，本文進(jìn)行了與lenet-5網(wǎng)絡(luò)在CASIA-Webfaces數(shù)據(jù)集和LFW數(shù)據(jù)集的對(duì)照實(shí)驗(yàn)，如表3所示，實(shí)驗(yàn)結(jié)果表明，改進(jìn)后的lenet-5網(wǎng)絡(luò)在CASIA-Webfaces數(shù)據(jù)集上比lenet-5網(wǎng)絡(luò)識(shí)別率高出0.1189，而在LFW數(shù)據(jù)集上的識(shí)別準(zhǔn)確率比lenet-5網(wǎng)絡(luò)高出0.0753。相比于lenet-5網(wǎng)絡(luò)，改進(jìn)后的lenet-5網(wǎng)絡(luò)比原lenet-5網(wǎng)絡(luò)擁有更高的準(zhǔn)確率，比起lenet-5網(wǎng)絡(luò)更能夠全面地提取人臉圖像的抽象特征，具有更加優(yōu)異的識(shí)別性能。

表3 人臉檢測(cè)算法測(cè)試結(jié)果

四、結(jié)語(yǔ)

本文以數(shù)據(jù)集CASIA-Webfaces為訓(xùn)練和測(cè)試集對(duì)lenet-5網(wǎng)絡(luò)進(jìn)行了改進(jìn)，將卷積層和池化層增加到4層增強(qiáng)網(wǎng)絡(luò)模型的圖像特征提取能力，并采用dropput和L2正則化進(jìn)一步防止過(guò)擬合現(xiàn)象，最終以交叉熵為損失函數(shù)更新各個(gè)神經(jīng)元之間的權(quán)值。實(shí)驗(yàn)結(jié)果表明，改進(jìn)后的網(wǎng)絡(luò)圖像特征提取能力明顯增強(qiáng)，在原lenet-5基礎(chǔ)上，準(zhǔn)確率提高了0.1189，達(dá)到0.9435，在LFW標(biāo)準(zhǔn)測(cè)試集也上達(dá)到了較高的識(shí)別率。這表明改進(jìn)后網(wǎng)絡(luò)的人臉識(shí)別能力大大優(yōu)于原lenet-5網(wǎng)絡(luò)，但還是存在一些問(wèn)題，改進(jìn)后的lenet-5網(wǎng)絡(luò)在LFW數(shù)據(jù)集上的識(shí)別準(zhǔn)確率雖然也高于原lenet-5網(wǎng)絡(luò)，但識(shí)別率并沒(méi)有CASIA-Webfaces數(shù)據(jù)集那么高，未來(lái)可以對(duì)網(wǎng)絡(luò)進(jìn)一步優(yōu)化，期望能在更多數(shù)據(jù)集上達(dá)到更穩(wěn)定，更高的識(shí)別率。