应用于MTCNN及关系类神经网络之快速人脸辨识系统 Fast Face Recognition System for MTCNN and Relation Neural Network
人脸辨识是经由撷取人脸影像，分析其脸部特征来进行身份认证的一种技术，近年来基于深度学习运用于人脸辨识逐渐成为主流的研究方向，借由输入大量影像资料，解析其向素值排列之向量资讯，学习人脸特征，最终达到可以识别人脸的目的。使用MTCNN作为人脸检测的部分，虽然其能够稳定且精准地框选人脸，但是因为需要花费较大计算量，所以导致在检测上的速度较为缓慢，进而使得整体系统效能受到影响。而在人脸识别的部分使用关系类神经网络架构，并且以一人一个模型的方式来增减辨识人数，虽然能够对于每个人都能达到**的辨识度，但会在可辨识人数多的情况下，造成辨识效率降低的现象。本论文旨在针对人脸检测以及人脸识别的部分做改进， MTCNN方面透过改进现有架构的方式，使得人脸检测速度加快。而在人脸识别方面使用了算法改变模型搜寻的方式，使得在辨识人数多的状况下，也能够具有流畅的辨识速度，最终整合这两部分来获得执行效率高之人脸辨识系统。