为解决复杂环境下人脸识别模型精度不足的问题,文章提出DynamicFaceNet模型。该模型基于FaceNet改进,通过融合动态注意力机制与人脸嵌入学习,具备更强大的多尺度感知、位置感知及特征通道优化能力。实验结果表明,在LFW(Labeled Faces in...为解决复杂环境下人脸识别模型精度不足的问题,文章提出DynamicFaceNet模型。该模型基于FaceNet改进,通过融合动态注意力机制与人脸嵌入学习,具备更强大的多尺度感知、位置感知及特征通道优化能力。实验结果表明,在LFW(Labeled Faces in the Wild)、CFP-FP(Cross-Pose Frontal-Profile)、AgeDB(Age-in-the-Wild Database)等标准数据集上,其识别精度显著优于对比模型,实际应用价值更高。展开更多
文摘为解决复杂环境下人脸识别模型精度不足的问题,文章提出DynamicFaceNet模型。该模型基于FaceNet改进,通过融合动态注意力机制与人脸嵌入学习,具备更强大的多尺度感知、位置感知及特征通道优化能力。实验结果表明,在LFW(Labeled Faces in the Wild)、CFP-FP(Cross-Pose Frontal-Profile)、AgeDB(Age-in-the-Wild Database)等标准数据集上,其识别精度显著优于对比模型,实际应用价值更高。
