許婷

摘要：近年來，隨著人工智能的快速發(fā)展，人臉識(shí)別已經(jīng)成為現(xiàn)代生物信息識(shí)別中的一種重要技術(shù)。但是，隨著人們對(duì)生物信息的隱私性越來越重視，特殊場(chǎng)景下樣本信息數(shù)量少等問題仍然影響著人臉識(shí)別算法的精度。本文針對(duì)少樣本場(chǎng)景，提出了一種將虛擬測(cè)試樣本與原始測(cè)試樣本進(jìn)行結(jié)合的基于VGG卷積神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別算法。經(jīng)實(shí)驗(yàn)，該算法在少樣本場(chǎng)景下仍能夠取得較好的效果。

關(guān)鍵詞：人臉識(shí)別；少樣本；虛擬樣本；VGG卷積神經(jīng)網(wǎng)絡(luò)

引言

人臉識(shí)別一直是計(jì)算機(jī)視覺領(lǐng)域的熱門關(guān)注領(lǐng)域，特別是隨著人工智能技術(shù)的快速發(fā)展，人臉識(shí)別技術(shù)已經(jīng)被廣泛應(yīng)用于司法、公共交通、銀行、邊檢安防以及日常生活等多個(gè)領(lǐng)域中。目前，人臉識(shí)別雖然已經(jīng)得到了巨大的發(fā)展，但是由于其本身的特點(diǎn)及隱私性、環(huán)境復(fù)雜性等問題，仍然存在許多挑戰(zhàn)，如人臉相似性、人臉樣本量缺少、背景圖案繁雜、遮擋物及面部姿態(tài)等。早期的人臉識(shí)別技術(shù)主要有基于幾何特征[1]、基于隱馬爾科夫模型[2]、人工神經(jīng)網(wǎng)絡(luò)[3]等。然而近幾年，隨著深度卷積神經(jīng)網(wǎng)絡(luò)的不斷發(fā)展，通過深度卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行人臉識(shí)別幾乎成為主流研究方向，但是深度卷積神經(jīng)網(wǎng)絡(luò)模型往往需要大量數(shù)據(jù)進(jìn)行訓(xùn)練，因此，小樣本下的深度卷積神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練依然是現(xiàn)在重點(diǎn)關(guān)注的挑戰(zhàn)。

小樣本學(xué)習(xí)任務(wù)的核心問題是在訓(xùn)練樣本不足的情況下，如何保證經(jīng)驗(yàn)風(fēng)險(xiǎn)的可靠性。一般來說，最直觀的解決方法是數(shù)據(jù)增強(qiáng)，也就是補(bǔ)充訓(xùn)練樣本的數(shù)量，從而達(dá)到獲取更多信息量的目的。例如，喬雨軒、方建安提出了一種結(jié)合圖像色彩恢復(fù)、文本碎片渲染、圖像前后背景融合等多種圖像處理手段進(jìn)行數(shù)據(jù)增強(qiáng)的分類識(shí)別算法[4]。張超群、易云恒、周文娟等提出通過數(shù)據(jù)增強(qiáng)技術(shù)擴(kuò)充樣本集，并將其用于神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練[5]。從上述文獻(xiàn)可以看出，通過數(shù)據(jù)增強(qiáng)提升小樣本場(chǎng)景下的分類識(shí)別準(zhǔn)確率仍然具有一定成效。但是在樣本量極低的情況下，僅僅增強(qiáng)訓(xùn)練數(shù)據(jù)也難以達(dá)到深度卷積神經(jīng)網(wǎng)絡(luò)模型所需的訓(xùn)練數(shù)量。

因此，本文提出了一種基于虛擬測(cè)試樣本的方法，與傳統(tǒng)增強(qiáng)訓(xùn)練數(shù)據(jù)集方法的不同在于，該方法在增加訓(xùn)練數(shù)據(jù)集樣本數(shù)量的基礎(chǔ)上，同時(shí)增強(qiáng)了測(cè)試數(shù)據(jù)集的樣本數(shù)量，并將測(cè)試樣本與其對(duì)應(yīng)的虛擬樣本進(jìn)行加權(quán)融合后再進(jìn)行分類識(shí)別。

1. 算法步驟描述

1.1 VGG16網(wǎng)絡(luò)模型

VGGNet是2014年由Karen Simonyan和Andrew Zisserman提出的一種深度卷積神經(jīng)網(wǎng)絡(luò)模型，是牛津大學(xué)計(jì)算機(jī)視覺實(shí)驗(yàn)室參加2014年ILSVRC（imageNet large scale visual recognition challenge）比賽時(shí)所用的網(wǎng)絡(luò)模型，并獲得了競(jìng)賽中分類第二和定位第一的成績(jī)。VGG的主要特點(diǎn)在于其通過堆疊多個(gè)小卷積核來替代大卷積核，以減少所需參數(shù)，并加深了網(wǎng)絡(luò)層數(shù)。

Karen Simonyan等人對(duì)六個(gè)網(wǎng)絡(luò)模型的結(jié)構(gòu)進(jìn)行了實(shí)驗(yàn)驗(yàn)證，其中VGG16和VGG19的實(shí)驗(yàn)結(jié)果效果相對(duì)較好，基于此，本文將采用VGG16和VGG19作為基礎(chǔ)網(wǎng)絡(luò)模型進(jìn)行實(shí)驗(yàn)。

VGG16共包含16個(gè)子層，第1層卷積層由2個(gè)conv3-64組成，第2層卷積層由2個(gè)conv3-128組成，第3層卷積層由3個(gè)conv3-256組成，第4層卷積層由3個(gè)conv3-512組成，第5層卷積層由3個(gè)conv3-512組成，然后是2個(gè)全連接層，1個(gè)輸出層。

VGG19共包含19個(gè)子層，其網(wǎng)絡(luò)結(jié)構(gòu)與VGG16一致，只是相比VGG16增加了3個(gè)卷積層，因而此處不再進(jìn)行詳細(xì)描述。

1.2 本文提出的算法

為了進(jìn)一步提高小樣本場(chǎng)景下的人臉識(shí)別率，本文提出了一種將虛擬測(cè)試樣本與原始測(cè)試樣本相結(jié)合的基于VGG卷積神經(jīng)網(wǎng)絡(luò)模型的人臉識(shí)別算法。

假設(shè)訓(xùn)練數(shù)據(jù)集共有L個(gè)類別，每一類共有N個(gè)樣本，為了能夠更好地驗(yàn)證小樣本場(chǎng)景下算法的有效性，將每一類的N樣本分別選取T個(gè)樣本作為訓(xùn)練樣本，剩余N-T個(gè)樣本作為測(cè)試樣本，此時(shí)可知訓(xùn)練樣本的個(gè)數(shù)為L(zhǎng)×T，測(cè)試樣本的個(gè)數(shù)則為L(zhǎng)×（N-T）。

原始訓(xùn)練樣本X和原始測(cè)試樣本Y分別生成對(duì)應(yīng)的虛擬樣本X'和Y'，本文采用的生成方式來源于張洋銘、吳凱、王藝凡等提出的利用人臉對(duì)稱性生成虛擬樣本，從而實(shí)現(xiàn)人臉識(shí)別[6]。該方法主要利用了人臉具有對(duì)稱性這一主要生物特征生成虛擬訓(xùn)練樣本，以達(dá)到擴(kuò)充樣本數(shù)量的目的，能夠在一定程度上保留原樣本的特征，并且彌補(bǔ)樣本不足的問題。

通過生成虛擬樣本后的訓(xùn)練樣本集Xtotal和Ytotal分別如下：

（1）

（2）

其中 ，Yk表示原始測(cè)試樣本，Ykι表示將的左臉進(jìn)行對(duì)稱轉(zhuǎn)換后的虛擬測(cè)試樣本，Ykr表示將Yk的右臉進(jìn)行對(duì)稱轉(zhuǎn)換后的虛擬測(cè)試樣本。

將Yk輸入到由Ytotal進(jìn)行訓(xùn)練的VGG卷積神經(jīng)網(wǎng)絡(luò)模型中后，在輸出層可以得到一個(gè)輸出向量，同理，將Ykι和Ykr輸入到由Xtotal進(jìn)行訓(xùn)練的VGG卷積神經(jīng)網(wǎng)絡(luò)模型中后可以得到向量。

為了能夠更好地對(duì)測(cè)試樣本進(jìn)行描述，可以將原始測(cè)試樣本與虛擬測(cè)試樣本的輸出向量進(jìn)行加權(quán)融合，從而得到加權(quán)后的輸出向量Wkall。

（3）

該算法的具體步驟描述如下：

（1）將樣本分為測(cè)試樣本和訓(xùn)練樣本，利用人臉“對(duì)稱性”生成虛擬人臉樣本。

（2）將訓(xùn)練樣本及其生成的虛擬訓(xùn)練樣本一起輸入VGG卷積神經(jīng)網(wǎng)絡(luò)中進(jìn)行模型訓(xùn)練，增強(qiáng)訓(xùn)練樣本數(shù)量。

（3）將測(cè)試樣本和其對(duì)應(yīng)生成的虛擬測(cè)試樣本分別輸入模型并對(duì)其生成結(jié)果進(jìn)行加權(quán)融合。

（4）將樣本分類到最終加權(quán)融合后貢獻(xiàn)度最大的類別中。

2. 實(shí)驗(yàn)

2.1 實(shí)驗(yàn)數(shù)據(jù)集

本實(shí)驗(yàn)主要在ORL人臉數(shù)據(jù)庫中進(jìn)行，將改進(jìn)后的算法與VGG卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行對(duì)比。ORL人臉數(shù)據(jù)庫共包括40人，每人10幅正面人臉圖像。為了驗(yàn)證少樣本場(chǎng)景下的精確性，本實(shí)驗(yàn)中將對(duì)每人分別隨機(jī)選取1、3、5幅人臉作為訓(xùn)練集，其余作為測(cè)試集，并針對(duì)訓(xùn)練集和測(cè)試集分別生成對(duì)應(yīng)的虛擬樣本數(shù)據(jù)，并將原始數(shù)據(jù)樣本與虛擬數(shù)據(jù)樣本結(jié)合，用于模型訓(xùn)練及測(cè)試過程中。

圖1給出了ORL人臉數(shù)據(jù)庫中通過“對(duì)稱臉”生成的虛擬人臉圖像，其中左圖為原始圖像，中圖及右圖分別為對(duì)稱翻轉(zhuǎn)左側(cè)臉及右側(cè)臉后生成的新的虛擬人臉圖像。從圖1可以看出新的虛擬樣本中保留了大部分原始樣本中的信息。

2.2 實(shí)驗(yàn)結(jié)果分析

本文的算法模型是基于Pytorch深度學(xué)習(xí)框架搭建而成，基礎(chǔ)模型采用的是VGG16經(jīng)典模型框架，為了驗(yàn)證算法的有效性，在對(duì)比實(shí)驗(yàn)的過程中采用的模型參數(shù)保持完全一致。

在實(shí)驗(yàn)過程中，將樣本集D分為測(cè)試樣本與訓(xùn)練樣本，也就是說，假設(shè)每一類中共有s個(gè)樣本，隨機(jī)選取k個(gè)樣本作為訓(xùn)練樣本集Tr，剩余的s-k個(gè)樣本則作為測(cè)試樣本集Te，將剩余的測(cè)試樣本生成對(duì)應(yīng)的虛擬樣本，根據(jù)人臉左右對(duì)稱性，每一個(gè)樣本Dk可以生成對(duì)應(yīng)的兩個(gè)虛擬測(cè)試樣本Dk1和Dk2。

首先，采用原始測(cè)試樣本與新生成的虛擬測(cè)試樣本共同構(gòu)成的新訓(xùn)練樣本集Tr'對(duì)VGG網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練；然后，分別將每一個(gè)測(cè)試樣本及其對(duì)應(yīng)的虛擬測(cè)試樣本輸入訓(xùn)練后的VGG網(wǎng)絡(luò)模型中，可以得到其對(duì)應(yīng)的輸出結(jié)果，將其輸出結(jié)果進(jìn)行加權(quán)融合后得到最終結(jié)果，并將測(cè)試樣本分到最終結(jié)果中貢獻(xiàn)度更大的類別中。通過大量實(shí)驗(yàn)過程，同時(shí)結(jié)合前人的分析，為了得到更好的識(shí)別效果，可將權(quán)值分別設(shè)置為0.6、0.2、0.2。

圖2對(duì)比了在N-shot下，本文提出的算法與原始VGG16以及增強(qiáng)訓(xùn)練樣本后的VGG16的識(shí)別率。從圖2可以看出，在樣本量不足的情況下，本文所提出的基于虛擬測(cè)試樣本加權(quán)融合算法的準(zhǔn)確率高于增強(qiáng)訓(xùn)練樣本和原始網(wǎng)絡(luò)模型的準(zhǔn)確率，并且在樣本量極低的情況下，效果更好。

基于VGG19的網(wǎng)絡(luò)模型，我們也對(duì)1-shot進(jìn)行了對(duì)比實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果如圖3所示。從實(shí)驗(yàn)結(jié)果可以看出，VGG19的模型結(jié)果比VGG16的結(jié)果更好，增加訓(xùn)練樣本后也有一定提升，但是經(jīng)過虛擬測(cè)試樣本融合后，能夠得到更進(jìn)一步提升。

結(jié)語

本文提出了一種加權(quán)融合虛擬測(cè)試樣本和虛擬訓(xùn)練樣本的人臉識(shí)別算法，該算法能夠在樣本量明顯不足的場(chǎng)景下取得較好的效果。增強(qiáng)數(shù)據(jù)能夠很好地改善樣本量不足引起的特征量不足問題。本文主要是通過同時(shí)增強(qiáng)訓(xùn)練樣本集和測(cè)試樣本集，然后將訓(xùn)練樣本輸入VGG模型中進(jìn)行訓(xùn)練，但是其從有限的虛擬樣本中獲取的特征仍然是有限的。因此，在此基礎(chǔ)之上，本文引入了虛擬測(cè)試樣本數(shù)據(jù)，由于人臉對(duì)稱性，新的虛擬測(cè)試樣本與原測(cè)試樣本具有一定相同特征，故在輸入模型后可以提取到相似特征，基于此，將虛擬測(cè)試樣本與原始測(cè)試樣本進(jìn)行加權(quán)融合后能夠得到更有效的特征量，也在一定程度上提升了樣本量不足情況下人臉識(shí)別的精度。

參考文獻(xiàn)：

[1]王尋，趙懷勛.基于改進(jìn)的膚色空間和幾何特征的快速人臉檢測(cè)研究[J].計(jì)算機(jī)應(yīng)用與軟件，2015，32（2）：151-154.

[2]孟輝，高德施，李穎，等.基于隱馬爾科夫模型的人臉識(shí)別[J].中國刑警學(xué)院學(xué)報(bào)，2019（4）：124-128.

[3]馮巧娟.人工神經(jīng)網(wǎng)絡(luò)在人臉識(shí)別中的應(yīng)用[J].平頂山工學(xué)院學(xué)報(bào)，2008， 17（2）：19-20，26.

[4]喬雨軒，方建安.基于數(shù)據(jù)增強(qiáng)的小樣本字符識(shí)別模型[J].計(jì)算機(jī)科學(xué)與應(yīng)用，2022，12（5）：1280-1291.

[5]張超群，易云恒，周文娟，等.基于深度學(xué)習(xí)與數(shù)據(jù)增強(qiáng)技術(shù)的小樣本巖石分類[J].科學(xué)技術(shù)與工程，2022，22（33）：14786-14794.

[6]張洋銘，吳凱，王藝凡，等.基于隨機(jī)權(quán)重分配策略的面目表情識(shí)別[J].重慶大學(xué)學(xué)報(bào)，2022，45（9）：135-140.

作者簡(jiǎn)介：許婷，碩士研究生，助教，研究方向：模式識(shí)別。