人脸识别中特征抽取方法的研究的中期报告.docx

人脸识别中特征抽取方法的研究的中期报告
中期报告
一、项目概述
人脸识别一直是计算机视觉领域的重要研究方向之一，特征抽取是其核心技术之一。本项目旨在研究人脸识别中的特征抽取方法，提高人脸识别的精度和鲁棒性。
本项目采用深度学习的方法进行特征抽取，主要包括卷积神经网络和循环神经网络。其中卷积神经网络用于从图像中提取特征，循环神经网络用于学习序列信息。
二、已完成工作
1.数据采集
我们从公开数据集和网络上收集了大量的人脸图像，涵盖了各种场景下的人脸图像。我们使用了FaceNet数据集、LFW数据集、YouTubeFaces数据集和CASIA-WebFace数据集。
2.特征抽取算法研究
我们研究了常用的深度学习模型，包括VGGNet、GoogLeNet、ResNet等，并将其应用于人脸识别。我们发现ResNet在人脸识别中表现最优。
3.实验设计和结果分析
我们在以上数据集上进行了实验，并对实验结果进行了分析。我们将实验结果与SOTA方法进行比较，验证了我们方法的有效性。
三、下一步工作
1.对数据进行进一步处理
我们计划对数据集进行进一步筛选和预处理，以提高特征抽取的效果。
2.对模型进行改进
我们打算研究更加先进的神经网络架构，如DenseNet、MobileNet等，进一步提高人脸识别的性能。
3.实现应用系统
最终目标是开发基于我们研究的人脸识别算法的应用系统，提供人脸认证和人脸检索等功能。