以關係類神經網路與嵌入式平台為基礎實作人臉辨識之研究

Face Recognition Based on Relation Neural Networks and Embedded Systems

蔡佳韋(Cai Jia-Wei)

指導教授 ： 黃文吉

國立臺灣師範大學/理學院/資訊工程學系/碩士(2021年)

https://doi.org/10.6345/NTNU202101301

摘要

隨著科技的日新月異，使得人工智慧逐漸融入我們的生活，人工智慧的應用
層面相當的廣泛，許多應用上都能看到它的影子，包括車牌辨識、股票預測分析、
AOI 瑕疵檢測、推薦系統、聊天機器人等等，以及本論文的核心－人臉辨識都是
常見的應用。
傳統的 Convolutional Neural Network 對於分類問題具有相當好的辨識力，但
是僅限於已知類別，對於未知類別是無法應對的，Convolutional Neural Network
會將其納入已知類別分數最高的一類。為了解決分類限制的問題，我們以 Relation
Neural Network 的架構來做為主要開發的演算法則，由於它可以透過度量學習來
判斷影像與影像標的之間的相似度距離分數，透過設立門檻值來依據相似度分數
的高低，判定是已知類別或是未知類別。
在本論文中，每位已知者都共享相同的 Autoencoder 特徵擷取網路，並且有
屬於自己的打分數網路，不會因為一個人的加入或退出而影響整個網路導致需要
重新訓練，在管理層面相當有彈性。此外，為了增加系統的實用性，我們將類神
經網路整合至 Android App 專案，使其可以運行在低成本且輕量化的嵌入式平台，
在保持著與原有準確度及速度的情況之下，達到邊緣運算的成效。

關鍵字

人臉辨識 ； 嵌入式平台 ； 邊緣運算

並列摘要

none

並列關鍵字

Relation Neural Network ； Autoencoder ； Android

參考文獻

[1] Mei Wang, Weihong Deng. (2020). Deep Face Recognition: A Survey. arXiv preprint arXiv:1804.06655.

[2] Alex Krizhevsky, Ilya Sutskever, Geoffrey E. Hinton. (2012). Imagenet classification with deep convolutional neural networks. In Advances in neural information processing systems (pp. 1097-1105).

[3] Gregory Koch, Richard Zemel, Ruslan Salakhutdinov. (2015). Siamese neural networks for one-shot image recognition. In ICML deep learning workshop (Vol. 2).

[4] 王德揚,“基於單類別識別辨識應用於身分認證之研究,” 國立臺灣師範大學, 2020.

[5] 徐雅盈,“以二進制類神經網路為基礎的臉部驗證硬體架構之研究,” 國立臺灣師範大學, 2020.