基于樣本均衡蒸餾的少樣本人臉識(shí)別方法

摘要： 為解決實(shí)際應(yīng)用場(chǎng)景中人臉識(shí)別模型復(fù)雜度高和訓(xùn)練樣本數(shù)量不足的問(wèn)題，提出一種基于樣本均衡蒸餾(sample balance distillation, SBD)的輕量高效人臉識(shí)別方法。通過(guò)構(gòu)造樣本均衡Focalloss損失函數(shù)解決訓(xùn)練樣本數(shù)量不足的問(wèn)題，該損失函數(shù)能夠在模型訓(xùn)練過(guò)程中增加稀少樣本的權(quán)重，使模型能夠?qū)ο∩贅颖具M(jìn)行準(zhǔn)確分類，將蒸餾損失函數(shù)與樣本均衡Focalloss損... （共6頁(yè)）