陳希彤，盧 濤

武漢工程大學(xué)計(jì)算機(jī)科學(xué)與工程學(xué)院，湖北 武漢 430205

人臉識(shí)別作為生物特征識(shí)別技術(shù)，一直是計(jì)算機(jī)視覺(jué)領(lǐng)域和機(jī)器學(xué)習(xí)的研究熱點(diǎn)之一。它在政府機(jī)構(gòu)、軍隊(duì)、銀行、社會(huì)福利保障、電子商務(wù)、安全防務(wù)等領(lǐng)域有廣泛應(yīng)用前景。近年來(lái)，卷積神經(jīng)網(wǎng)絡(luò)［1］（convolutional neural network，CNN）為人臉識(shí)別提供新的解決方案，但人臉識(shí)別應(yīng)用仍有許多問(wèn)題亟待解決。如在實(shí)際監(jiān)控場(chǎng)景下目標(biāo)人臉距監(jiān)控設(shè)備較遠(yuǎn)及受光照、表情與多姿勢(shì)變化等因素影響下［2］，要獲得滿意的識(shí)別效果，要求識(shí)別模型具備強(qiáng)大特征表達(dá)能力。高精度識(shí)別模型通常利用含多參數(shù)網(wǎng)絡(luò)來(lái)最大限度地學(xué)習(xí)更多特征，網(wǎng)絡(luò)訓(xùn)練時(shí)間因參數(shù)增加呈指數(shù)上升，在有限計(jì)算資源條件下難以進(jìn)行實(shí)時(shí)的人臉識(shí)別。而小型網(wǎng)絡(luò)實(shí)時(shí)性強(qiáng)，但算法性能有限。因此利用高性能的輕量級(jí)深度學(xué)習(xí)識(shí)別網(wǎng)絡(luò)來(lái)發(fā)展與實(shí)際應(yīng)用更為緊密的人臉識(shí)別系統(tǒng)［3］顯得尤為重要。

現(xiàn)有的人臉識(shí)別算法可大致分為以下幾類：第一類方法是基于幾何特征的方法［4-5］，該方法主要根據(jù)人臉器官形狀和幾何關(guān)系描述出每個(gè)人臉圖像特征，對(duì)特征矢量進(jìn)行比較，得出最佳匹配人臉。但基于幾何特征的識(shí)別方法難以提取待測(cè)人臉圖像的穩(wěn)定特征，易忽略較多人臉紋理信息，特別當(dāng)圖像分辨率較低、識(shí)別目標(biāo)姿態(tài)表情變化過(guò)大時(shí)，識(shí)別率會(huì)受到較大影響。第二類方法是基于相關(guān)匹配的方法［6-7］，其主要思想是將訓(xùn)練集與測(cè)試集人臉圖像樣本逐一歸一化后進(jìn)行互相關(guān)運(yùn)算進(jìn)行匹配，從而達(dá)到人臉識(shí)別的目的。該方法雖然充分考慮了人臉圖像的局部紋理細(xì)節(jié)信息，但僅對(duì)約束場(chǎng)景下的正面人臉有好的識(shí)別效果，且計(jì)算量較大，識(shí)別速度慢。第三類方法是基于深度學(xué)習(xí)的人臉識(shí)別算法，其憑借強(qiáng)大的非線性擬合能力，有效地模擬出大腦由淺入深認(rèn)知事物的過(guò)程，受到了人工智能領(lǐng)域的高度重視，也日益成為目前主流的人臉識(shí)別方法。

2006年，Hinton等［8］在《Science》上首次提出了深度學(xué)習(xí)的概念。深度學(xué)習(xí)本質(zhì)上也是一種特征學(xué)習(xí)方法，相對(duì)于傳統(tǒng)方法需要有相關(guān)專業(yè)背景的專家設(shè)計(jì)特征表示方式，深度學(xué)習(xí)則是使用一種通用學(xué)習(xí)過(guò)程從數(shù)據(jù)中獲取各層特征，其過(guò)程可以看做把原始數(shù)據(jù)通過(guò)一些簡(jiǎn)單的非線性的模型轉(zhuǎn)變成為更高層次的、更富語(yǔ)義信息的特征表達(dá)，經(jīng)過(guò)足夠多組合變換來(lái)擬合的復(fù)雜函數(shù)。例如VGGNet［9］為牛津大學(xué)計(jì)算機(jī)視覺(jué)組和Deep-Mind公司共同研發(fā)一種深度卷積網(wǎng)絡(luò)，探索了卷積神經(jīng)網(wǎng)絡(luò)的深度和其性能之間的關(guān)系，通過(guò)反復(fù)的堆疊的3×3小型卷積核和2×2的最大池化層，成功的構(gòu)建了16～19層網(wǎng)絡(luò)結(jié)構(gòu)的卷積神經(jīng)網(wǎng)絡(luò)，VGGFace利用VGGNet的16層網(wǎng)絡(luò)結(jié)構(gòu)，將網(wǎng)絡(luò)最后一層輸出作為特征，利用Triplet-Loss損失函數(shù)訓(xùn)練進(jìn)行人臉識(shí)別，該方法在較少的數(shù)據(jù)集訓(xùn)練的基礎(chǔ)上達(dá)到了前人海量數(shù)據(jù)才能達(dá)到的識(shí)別效果。何凱明等［10］利用殘差學(xué)習(xí)的思想解決了VGGNet等傳統(tǒng)網(wǎng)絡(luò)在更深層網(wǎng)絡(luò)中因梯度消失無(wú)法訓(xùn)練、信息丟失、損耗等問(wèn)題，利用跳躍連接（skip connection）簡(jiǎn)化訓(xùn)練難度。Gao等［11］借鑒殘差學(xué)習(xí)方法，在保證網(wǎng)絡(luò)中層與層之間最大程度的信息傳輸?shù)那疤嵯?，將所有卷積層輸出密集連接起來(lái)，大大加強(qiáng)了特征之間的傳遞，在提高識(shí)別率的同時(shí)高效利用特征信息。為提升在移動(dòng)設(shè)備上的識(shí)別精度，Chen等［12］提出一個(gè)模型大小僅為4 MB的小型識(shí)別網(wǎng)絡(luò)，使用逆殘差結(jié)構(gòu)（inverted residual block）結(jié)合ArcFace Loss加速實(shí)時(shí)人臉驗(yàn)證，克服了人臉驗(yàn)證上常見(jiàn)輕量級(jí)神經(jīng)網(wǎng)絡(luò)性能不足的缺點(diǎn)。

人臉識(shí)別系統(tǒng)不僅需要兼顧系統(tǒng)判別精度與實(shí)時(shí)性，還需要對(duì)不同輸入數(shù)據(jù)具有較好魯棒性。上述基于深度學(xué)習(xí)的識(shí)別研究重點(diǎn)大多在通過(guò)增加網(wǎng)絡(luò)深度或?qū)挾葥Q取網(wǎng)絡(luò)更強(qiáng)大性能，因此使用少量參數(shù)的小型識(shí)別網(wǎng)絡(luò)，提出不受限于機(jī)器資源和實(shí)時(shí)性等需求的高效人臉識(shí)別算法意義巨大。對(duì)此需要構(gòu)建一個(gè)針對(duì)不同場(chǎng)景的快速通用識(shí)別網(wǎng)絡(luò)，可以有效處理復(fù)雜場(chǎng)景下的人臉識(shí)別任務(wù)，準(zhǔn)確提取目標(biāo)所屬類別的特征信息，并在加速訓(xùn)練過(guò)程的同時(shí)使網(wǎng)絡(luò)更快收斂，提高識(shí)別性能。綜合考慮上述問(wèn)題，本文提出了一個(gè)基于全局深度分離卷積殘差網(wǎng)絡(luò)的高效人臉識(shí)別算法。

1 全局深度分離卷積殘差網(wǎng)絡(luò)

受到 GoogleNet［13］中 InceptionV3 模塊啟發(fā)，為解決深層網(wǎng)絡(luò)提取抽象性特征導(dǎo)致空間集中性降低這一問(wèn)題，提出基于全局分離卷積（global separable convolution，GSC）與深度殘差學(xué)習(xí)模塊（Residual Block）相結(jié)合的高效識(shí)別網(wǎng)絡(luò)。將人臉圖像以隨機(jī)輸入方式放入深度殘差學(xué)習(xí)的網(wǎng)絡(luò)中，利用跳躍連接將學(xué)習(xí)到的淺層特征與深層特征融合，實(shí)現(xiàn)不同層次信息之間的交互，并結(jié)合全局深度分離卷積從多個(gè)獨(dú)立通道空間（spatial separation）中豐富多元特征的數(shù)量，提高特征的判別能力。本文定義訓(xùn)練樣本為其中輸入測(cè)試人臉圖像為xi∈?m×n，N為圖片總個(gè)數(shù)，提出的網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。

網(wǎng)絡(luò)結(jié)構(gòu)共分為4個(gè)部分：第一部分為初始特征提取，用小尺度網(wǎng)絡(luò)（3×3卷積核，側(cè)重局部細(xì)節(jié)信息）取代傳統(tǒng)大尺度網(wǎng)絡(luò)（7×7的卷積核，注重全局細(xì)節(jié)信息）提取特征，初步減少模型參數(shù)量；第二部分構(gòu)建淺層殘差結(jié)構(gòu)進(jìn)一步學(xué)習(xí)特征，簡(jiǎn)化模型優(yōu)化難度；第三部分使用全局深度可分離卷積利用具有相互獨(dú)立空間的512組濾波器逐通道提取深層特征中每個(gè)節(jié)點(diǎn)的有效信息，取代多通道特征融合過(guò)程，進(jìn)一步減少網(wǎng)絡(luò)計(jì)算時(shí)間；第四部分為識(shí)別部分，利用全連接層級(jí)聯(lián)Softmax分類器，輸出模型所預(yù)測(cè)類別Ci，最后計(jì)算損失反向傳播微調(diào)學(xué)習(xí)權(quán)重，優(yōu)化整體模型。

圖1 全局深度分離卷積殘差網(wǎng)絡(luò)結(jié)構(gòu)Fig.1 Structure of global deep separation convolutional and residual network

1.1 深度殘差學(xué)習(xí)

深度學(xué)習(xí)網(wǎng)絡(luò)深度的增加對(duì)網(wǎng)絡(luò)的分類效果有著重要影響，研究人員發(fā)現(xiàn)理論上增加大量的權(quán)重參數(shù)會(huì)在一定程度上促進(jìn)網(wǎng)絡(luò)的識(shí)別性能，但當(dāng)常規(guī)的卷積神經(jīng)網(wǎng)絡(luò)堆疊到一定層數(shù)時(shí)，往往會(huì)出現(xiàn)網(wǎng)絡(luò)梯度消失現(xiàn)象［14］，即網(wǎng)絡(luò)識(shí)別率不再上升，甚至越來(lái)越差，這是因?yàn)橛?xùn)練深層網(wǎng)絡(luò)會(huì)產(chǎn)生梯度彌散/爆炸這一障礙。利用殘差學(xué)習(xí)的思想定義神經(jīng)網(wǎng)絡(luò)期望學(xué)習(xí)的目標(biāo)為Y，設(shè)X為原始圖像輸入經(jīng)過(guò)卷積（convolution，Conv）、批量歸一化（batch normalization，BN）、非線性激活（Re-LU）、最大池化（Max pooling）操作后所得到的特征，F(xiàn)(X,Wi)為X經(jīng)過(guò)兩次3×3卷積所提取到的特征，Wi為所學(xué)習(xí)權(quán)重參數(shù)，將網(wǎng)絡(luò)需要學(xué)習(xí)的目標(biāo)簡(jiǎn)化為F(X,Wi)=Y-X。使用殘差學(xué)習(xí)模塊，有效緩解鏈?zhǔn)角髮?dǎo)梯度值較小問(wèn)題，優(yōu)化訓(xùn)練過(guò)程。

1.2 全局分離卷積

對(duì)于人臉的驗(yàn)證和識(shí)別，Wu等［15］已經(jīng)通過(guò)實(shí)驗(yàn)觀察到，具有全局平均池化層結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)比使用全連接層代替全局平均池化層的卷積神經(jīng)網(wǎng)絡(luò)識(shí)別效果更不準(zhǔn)確，因?yàn)槿制骄鼗瘜記](méi)有考慮深層特征映射中每個(gè)節(jié)點(diǎn)的空間信息，籠統(tǒng)的將深層全局信息平滑后加以使用，破壞了所學(xué)特征的語(yǔ)義與空間信息。雖然輸入人臉圖片中心點(diǎn)的池化區(qū)域與邊角池化區(qū)域大小一樣，但是中心點(diǎn)區(qū)域包含了面部重要五官特征，邊角區(qū)域只包含部分重要特征。因此每個(gè)像素區(qū)域?qū)W習(xí)的權(quán)重應(yīng)該不同，但是平均池化層籠統(tǒng)的不同區(qū)域的權(quán)重設(shè)置為一樣，導(dǎo)致網(wǎng)絡(luò)識(shí)別效果下降。而可分離卷積與普通卷積操作不同之處在于每個(gè)通道使用不同濾波器單獨(dú)進(jìn)行卷積操作后，再利用1×1的卷積核進(jìn)行信息的融合，可分離卷積方法會(huì)優(yōu)先考慮特征區(qū)域的屬性，實(shí)現(xiàn)多通道特征堆疊與區(qū)域的分離。因此本文提出利用全局分離卷積取代一般深度學(xué)習(xí)識(shí)別網(wǎng)絡(luò)中的平均池化層，來(lái)提取深層特征中每個(gè)節(jié)點(diǎn)的有效信息，舍棄了多通道特征融合所帶來(lái)的冗余特征，減少模型整體的時(shí)間復(fù)雜度。針對(duì)實(shí)際場(chǎng)景的人臉識(shí)別，引入全局可分離卷積不僅可以減少網(wǎng)絡(luò)參數(shù)，并且可以更好的實(shí)現(xiàn)深層網(wǎng)絡(luò)整體區(qū)域特征的精煉。

1.3 損失函數(shù)

使用交叉熵?fù)p失函數(shù)（cross entropy loss）［16］作為網(wǎng)絡(luò)的損失函數(shù)，公式如下：

其中pi為真實(shí)類別標(biāo)簽概率分布，pk=1，為網(wǎng)絡(luò)所預(yù)測(cè)標(biāo)簽概率分布，設(shè)全連接層網(wǎng)絡(luò)輸出為θi，則有：

式（1）可改寫(xiě)為：

網(wǎng)絡(luò)優(yōu)化過(guò)程中使用自適應(yīng)矩估計(jì)（adaptive moment estimation，Adam）優(yōu)化算法來(lái)進(jìn)行反向傳播。自適應(yīng)矩估計(jì)算法利用梯度的一階矩估計(jì)和二階矩估計(jì)動(dòng)態(tài)調(diào)整每個(gè)參數(shù)的學(xué)習(xí)率。它的優(yōu)點(diǎn)主要在于經(jīng)過(guò)偏置校正后，每一次迭代學(xué)習(xí)率都有個(gè)確定范圍，使得參數(shù)較為平穩(wěn)。此外增加了隨機(jī)梯度下降（stochastic gradient descent，SGD）優(yōu)化方式來(lái)進(jìn)行實(shí)驗(yàn)對(duì)比，網(wǎng)絡(luò)損失對(duì)比如圖2所示，由于不同網(wǎng)絡(luò)層數(shù)訓(xùn)練時(shí)間大小有差異，因此分別配置相同網(wǎng)絡(luò)層數(shù)的網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行損失比較從圖2中可以看出當(dāng)訓(xùn)練周期較小時(shí)，雖然整體收斂趨勢(shì)相同，但使用Adam優(yōu)化方法優(yōu)先達(dá)到較小損失值，訓(xùn)練完畢后的損失值遠(yuǎn)小于SGD優(yōu)化方法，證明了使用自適應(yīng)矩估計(jì)優(yōu)化算法結(jié)合交叉熵?fù)p失函數(shù)的合理性。

圖2 不同優(yōu)化方式的訓(xùn)練損失Fig.2 Training loss of different optimizing methods

綜上所述，基于全局深度分離卷積殘差網(wǎng)絡(luò)的人臉識(shí)別算法總結(jié)如下：

輸出：人臉圖像的類別屬性Ci。訓(xùn)練部分：

2）根據(jù)公式（3）計(jì)算損失值，反向傳播微調(diào)學(xué)習(xí)權(quán)重，迭代直至訓(xùn)練完畢，得到網(wǎng)絡(luò)權(quán)重模型。

2）根據(jù)訓(xùn)練所獲得的權(quán)重模型提取人臉圖像的表達(dá)特征；

3）根據(jù)公式（2）輸出預(yù)測(cè)的類別標(biāo)簽Ci，計(jì)算整體識(shí)別率。

2 結(jié)果與討論

2.1 實(shí)驗(yàn)數(shù)據(jù)與參數(shù)

選取CASIA-Webface與Extend Yale-B人臉圖像數(shù)據(jù)庫(kù)為實(shí)驗(yàn)樣本，使用識(shí)別率（Recognition Rate）評(píng)估不同網(wǎng)絡(luò)的識(shí)別性能。CASIA-Webface原始數(shù)據(jù)庫(kù)包含10 575類人，共有圖片494 414張。本實(shí)驗(yàn)選取其中68人做為實(shí)驗(yàn)對(duì)象，其中每人包含多種姿態(tài)圖片共240張（見(jiàn)圖3）。原始圖片大小為128×128像素，全部圖片分為2個(gè)部分，第一部分選取13 600張用于深度學(xué)習(xí)訓(xùn)練，剩余2 720張用于分類測(cè)試。Extend Yale-B人臉數(shù)據(jù)庫(kù)包括38人共16 128張，每幅大小為192×168像素的灰度圖，有9種不同姿態(tài)和64種不同光照變化情況。在實(shí)驗(yàn)中，選擇每人60張?jiān)诓煌庹兆兓抡嫒四槇D像共2 280張人臉，隨機(jī)選取每類人35張共1 330張為訓(xùn)練樣本，剩余950張為測(cè)試樣本。

本算法網(wǎng)絡(luò)為串聯(lián)網(wǎng)絡(luò)結(jié)構(gòu)，每個(gè)子網(wǎng)絡(luò)都需要進(jìn)行150次整體樣本迭代訓(xùn)練。本算法設(shè)置學(xué)習(xí)率逐步衰減，初始化學(xué)習(xí)率為0.001，每經(jīng)過(guò)20次整體迭代學(xué)習(xí)率減小為原來(lái)的1/3，權(quán)重衰減為0.000 1。為了避免網(wǎng)絡(luò)的過(guò)擬合，采用了殘差學(xué)習(xí)方法。在深度殘差學(xué)習(xí)網(wǎng)絡(luò)中，本文設(shè)置第一層子網(wǎng)絡(luò)步長(zhǎng)為1，填充為1，后三層子網(wǎng)絡(luò)步長(zhǎng)為2，填充為1，為避免所學(xué)殘差特征無(wú)法與后三層子網(wǎng)絡(luò)訓(xùn)練所得特征無(wú)法融合，融合之前將殘差特征進(jìn)行一次卷積核大小為3，步長(zhǎng)為2的卷積進(jìn)行特征圖下采樣操作。本實(shí)驗(yàn)先將圖像輸入卷積層，進(jìn)行最大池化操作提取初始特征，然后級(jí)聯(lián)基于深度殘差學(xué)習(xí)的全局分離卷積網(wǎng)絡(luò)，使用全連接層進(jìn)行分類得出最終識(shí)別結(jié)果。

2.2 結(jié)果與分析

為了證明人臉數(shù)據(jù)集在本算法的網(wǎng)絡(luò)框架下能夠提取到有效魯棒性特征提高識(shí)別能力，本實(shí)驗(yàn)將圖片在不同的識(shí)別框架下進(jìn)行分類比較。對(duì)比實(shí)驗(yàn)采用深度學(xué)習(xí)近年來(lái)著名的神經(jīng)網(wǎng)絡(luò)識(shí)別算法：深度卷積神經(jīng)識(shí)別網(wǎng)絡(luò)（VGGFace），深度殘差學(xué)習(xí)神經(jīng)識(shí)別網(wǎng)絡(luò)（ResNet34），密集連接卷積神經(jīng)識(shí)別網(wǎng)絡(luò)（DenseNet121），移動(dòng)端上的快速卷積神經(jīng)識(shí)別網(wǎng)絡(luò)（MobileFaceNet）。本文中使用的對(duì)比算法VGGFace［9］的源代碼由論文作者Karen Simonyan 提供，ResNet34［10］的源代碼由論文作者Kaiming He提供，DenseNet121［11］的源代碼由論文作者 Gao Huang提供，MobileFaceNet［12］的源代碼由論文作者Sheng Chen提供。圖4分別給出了多姿態(tài)人臉數(shù)據(jù)集（CASIA-Webface）與受光照變化影響的人臉數(shù)據(jù)集（Extend Yale-B）在不同識(shí)別網(wǎng)絡(luò)框架下隨著訓(xùn)練周期變化的識(shí)別率。

圖3 人臉數(shù)據(jù)庫(kù)樣本：（a）CASIA-Webface，（b）Extended Yale-BFig.3 Visual samples from face databases：（a）CASIA-webface，（b）Extended Yale-B

圖4 不同訓(xùn)練周期的識(shí)別率：（a）CASIA-webface，（b）Extended Yale-BFig.4 Recognition rates of different periods training：（a）CASIA-webface，（b）Extended Yale-B

2.2.1 識(shí)別率對(duì)比 每組實(shí)驗(yàn)均選取網(wǎng)絡(luò)最后一次迭代結(jié)果作為最終識(shí)別率。從圖4可以看出，其他算法識(shí)別率隨周期變化波動(dòng)較大，本算法在兩種人臉圖像數(shù)據(jù)集中均獲得了最好識(shí)別效果。當(dāng)訓(xùn)練迭代次數(shù)較低時(shí)，本算法識(shí)別率就高于其他算法，在經(jīng)過(guò)40個(gè)訓(xùn)練周期后識(shí)別率趨于平穩(wěn)，隨著訓(xùn)練周期的增加依舊保持了良好的識(shí)別效果。在CASIA-Webface數(shù)據(jù)庫(kù)中與性能排名第二的算法ResNet34相比，識(shí)別率提升了2.9%，證明了算法在多姿態(tài)數(shù)據(jù)集中也具有較好性能。在Extend Yale-B數(shù)據(jù)庫(kù)中，VGGFace與DenseNet121算法識(shí)別率波動(dòng)較大，本算法穩(wěn)定的識(shí)別率體現(xiàn)了對(duì)光照變化的魯棒性。

2.2.2 特征分布分析 為了進(jìn)一步研究全局可分離卷積對(duì)網(wǎng)絡(luò)性能的影響，我們將經(jīng)過(guò)全局可分離卷積與平均池化操作后提取的特征向量降至二維進(jìn)行可視化分析。首先從Extend Yale-B數(shù)據(jù)庫(kù)隨機(jī)選取7人，每人包含25張圖像，組成待測(cè)數(shù)據(jù)集，將兩種方法提取到的1 024維特征向量利用T-分布鄰域嵌入（T-distributed stochastic neighbor embedding，T-SNE）方法將人臉特征映射至二維空間，可視化對(duì)比結(jié)果如圖5所示，不同顏色代表不同類別。在使用全局可分離卷積時(shí)，同類圖像緊促映射到一起，且類間距離較大，當(dāng)使用平均池化時(shí)，同類樣本間的聚類效果變差，不同類別樣本已不具有明顯區(qū)分性。

以上現(xiàn)象可從類內(nèi)方差與類間方差的統(tǒng)計(jì)角度進(jìn)行量化解釋，借助LDA線性判別分析進(jìn)行類內(nèi)與類間散度矩陣近似計(jì)算。

類內(nèi)散度矩陣定義如下：

圖5 可視化特征對(duì)比結(jié)果：（a）全局分離卷積，（b）平均池化（橫縱坐標(biāo)表示類間的相對(duì)距離）Fig.5 Comparison results of visualized features：（a）global separable convolution，（b）average pool（abscissa and ordinate represent relative distance between inter-class）

表1給出了不同卷積操作下特征向量的類內(nèi)與類間方差結(jié)果。

表1 類內(nèi)方差與類間方差統(tǒng)計(jì)結(jié)果Tab.1 The intra-class and inter-class variance results

對(duì)于人臉識(shí)別問(wèn)題，總期望類內(nèi)方差小，類間方差大來(lái)獲取更佳識(shí)別結(jié)果。根據(jù)表1計(jì)算結(jié)果可知，全局可分離卷積操作后類間方差與類內(nèi)方差比值更大，說(shuō)明學(xué)習(xí)到的特征更具區(qū)分性，判別能力更強(qiáng)。相比平均池化方法，類內(nèi)方差大于類間方差，類間距離較近，難以正確區(qū)分各個(gè)類別。根據(jù)以上結(jié)果分析可得，基于全局可分離卷積的網(wǎng)絡(luò)通過(guò)獨(dú)立空間提取的特征能更有效地區(qū)分不同人臉圖像所含內(nèi)容。

2.2.3 算法效率對(duì)比分析 不同識(shí)別算法測(cè)試時(shí)間如表2所示，對(duì)比分析如下：DenseNet使用了密集連接的方法減少網(wǎng)絡(luò)每層計(jì)算量以及實(shí)現(xiàn)特征的高度復(fù)用。而本文算法采用深度全局可分離卷積結(jié)合殘差學(xué)習(xí)模塊，減少了復(fù)用特征的冗余程度，同時(shí)加速訓(xùn)練初步特征提取流程。由于當(dāng)前的深度學(xué)習(xí)框架對(duì)密集連接沒(méi)有良好的優(yōu)化方法，只能借助特征圖之間的反復(fù)拼接操作，將之前提取到的特征圖拼接后一并傳入下層網(wǎng)絡(luò)，因此在訓(xùn)練的時(shí)候密集連接會(huì)占用大量?jī)?nèi)存導(dǎo)致網(wǎng)絡(luò)性能的大幅度波動(dòng)（見(jiàn)圖4），相比之下本算法在第45個(gè)訓(xùn)練周期的時(shí)候就達(dá)到收斂狀態(tài)，loss值穩(wěn)定在0.000 1左右，識(shí)別率趨于平穩(wěn)。

VGGFace為深度網(wǎng)絡(luò)識(shí)別算法，采用加深卷積神經(jīng)網(wǎng)絡(luò)層數(shù)、增加模型參數(shù)量的方法來(lái)提升識(shí)別性能。該方法利用多尺度特征信息融合的方式雖然能夠提升標(biāo)簽預(yù)測(cè)的精度，但是在網(wǎng)絡(luò)層數(shù)更深時(shí)，會(huì)出退化問(wèn)題，容易導(dǎo)致訓(xùn)練集準(zhǔn)確率達(dá)到飽和，甚至下降。VGGFace全連接層特征維度為4 096，令計(jì)算時(shí)間開(kāi)銷遠(yuǎn)大于其他對(duì)比算法，此外該模型對(duì)光照變化大的圖片并不魯棒。本文算法通過(guò)構(gòu)建殘差學(xué)習(xí)網(wǎng)絡(luò)，提取具有不同深度語(yǔ)義信息的特征進(jìn)行融合，不僅減小了網(wǎng)絡(luò)增加深度帶來(lái)的副作用，并結(jié)合全局可分離卷積減小了模型整體參數(shù)量，提升網(wǎng)絡(luò)整體性能。

表2 不同識(shí)別算法下平均每張圖片的測(cè)試時(shí)間Tab.2 Testing time（milliseconds per image）of different recognition algorithms ms

ResNet利用跳躍連接重復(fù)利用殘差信息使得網(wǎng)絡(luò)能具有更深層結(jié)構(gòu)，得到更好的識(shí)別效果，但隨著網(wǎng)絡(luò)結(jié)構(gòu)的加深，隨之帶來(lái)的是網(wǎng)絡(luò)中參數(shù)的增多，計(jì)算量的增大，測(cè)試時(shí)間將會(huì)變得更久，而在現(xiàn)實(shí)應(yīng)用場(chǎng)景中，人臉識(shí)別任務(wù)更希望被更快速、更高效的方法來(lái)完成。本算法經(jīng)過(guò)大量實(shí)驗(yàn)結(jié)果驗(yàn)證得到結(jié)合全局可分離卷積的最佳殘差學(xué)習(xí)模塊層數(shù)，使用較少卷積網(wǎng)絡(luò)層數(shù)，利用更少的參數(shù)量減少運(yùn)算時(shí)間，達(dá)到超過(guò)ResNet34網(wǎng)絡(luò)的識(shí)別性能。

MobileFaceNet為在移動(dòng)設(shè)備上設(shè)計(jì)的輕量級(jí)識(shí)別網(wǎng)絡(luò)，在LFW數(shù)據(jù)集上的人臉驗(yàn)證準(zhǔn)確率達(dá)到99.28%，使用了逆殘差模塊，該模塊首先將輸入的低維壓縮表示的特征擴(kuò)展到高維，使用輕量級(jí)深度卷積作為濾波器，隨后用線性卷積將特征投影回低維壓縮表示。由于該網(wǎng)絡(luò)使用1×1卷積核進(jìn)行特征升維，逐元素計(jì)算促使運(yùn)行時(shí)間逐步增加，且全連接層后又使用BN層進(jìn)行特征歸一化，即使參數(shù)量減少到99萬(wàn)個(gè)，但還是增加了模型的總測(cè)試時(shí)間。

綜上所述，本文算法相比其他算法能提取出更具判別能力的特征信息來(lái)區(qū)分不同類別的人臉圖像，識(shí)別效果更好，具有更短的測(cè)試時(shí)間。例如，對(duì)于傳統(tǒng)的深度網(wǎng)絡(luò)，本文的算法網(wǎng)絡(luò)結(jié)構(gòu)精簡(jiǎn)，時(shí)間復(fù)雜度低；相較于密集連接復(fù)用特征信息的網(wǎng)絡(luò)，本文的算法在特征復(fù)用方面進(jìn)行了優(yōu)化，避免了特征冗余導(dǎo)致的性能波動(dòng)。本文實(shí)驗(yàn)結(jié)果證明，使用基于全局深度分離卷積的殘差網(wǎng)絡(luò)有助于進(jìn)行人臉圖像的高效識(shí)別。

3 結(jié) 語(yǔ)

考慮到實(shí)際場(chǎng)景中深度學(xué)習(xí)方法識(shí)別人臉圖像的局限性，使用全局分離卷積來(lái)提高深度殘差網(wǎng)絡(luò)對(duì)人臉圖像全局特征信息的保真能力，提高了識(shí)別效率，并通過(guò)結(jié)合殘差學(xué)習(xí)模塊得到精準(zhǔn)的特征信息，達(dá)到了更好的識(shí)別效果。在CASIA-Webface與Extend Yale-B人臉數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明：提出的基于全局深度分離卷積殘差學(xué)習(xí)網(wǎng)絡(luò)相較于前沿的識(shí)別網(wǎng)絡(luò)能更高效地進(jìn)行人臉圖像的識(shí)別。