32
206，152 （1 3）
CmoptureEng ineeirg nandA plpicaionst计算机工 程应用与
多
务任习及卷学神经积络在人网脸识中的应用别2
蔚元 1， 邵 ，跃飞郭
1 2SAOHW eyiua1，n, GU OuefeYi1
.1旦大学 计算复机科学技学院术，上海 02203 12.上市智海能信处息重理实点室 （验复大学） ， 上海 2012旦0 13.cSoolho f oCmuptreSc eicn aend ecTnhlogy,o Fdau nUniervsity,Sh anhgia20 1230,Ch ia n2.Sanghhia eKyLa broaotr of IntyleigeltnIn ofmraitonP orcesisg, FndanuU nveisrtiy ,hSnaghai 20102, 3ChniaS AO Heiyuan,W GOU ueYei.fM ltuiatk lesarnin gan CNd for Npplacatiion f faoc receongiion.tCo muptre Egnneieingr nadAppli ctioasn,2 06,152 1（3 ：）32 3-.7Abstract： Wih thte evdeolpmneto deefp elranni,g fcea ercgoinion tagorlihmt ahsmade tremednou srbakterhuohs. gHweoevr, moang urcrne tfcea reocnitiog franmwerkos, ech aask （fatecid ntifieaticon, afecveri ifacion tor attibrue clatssifiatcinois ）nidpeednetnlydesi gendand m aipulntaed w,hch miaeskth ealogirtmhi enfificnt ead tinemcon-smiun.g cAcodinr tg oth perolebm, tis happr epoporess malut-itsa ckovnoutiol dneep netowr. By kocbinimg nafc ieendtiifction,av rieifaction ndaatt ribut elassicfictaionlo sse ss taishl os sfuctnon, tihede pe cnovluoitn onetowk rcn bea tarine frdm endoto ed nandt he algoirth mwil lbe imspela n deficfeint .Tih snewort kcan ocmlpte tehees thre etsak swthiut addotiinal sotesp Expe.rimnes stho whattth emodelca n stlli caihveego o perdfroanme cwiht lmitei tradinin gatad nadge 97.3t %accurcyain t eha utoritativh eafc erecgoitinno dtasea tLF （LWaeble Fdaec n itheWi d） .l ey wKros： dfac reeogcniitn;oc onvoluion nteral nuteowk; drep elarenign; mlutitsk alaerning摘 要： 着深度学习的随发，展 年来近脸人别识借深助学习技度术得了取大突巨。但是在已有的破基于深学习的度
人脸
识别架中，框各 个任务（人脸 鉴别、 认和证属分类性） 等都相是独立设互计、运作的， 得使体整法低效算 、时。耗针对 这问题些， 提一种基出于任务框架的多度卷深网络积通过将人脸。鉴、 认证别和属性分类同作时网为目标函 数络，端 到端地练整训个度深卷网络积 算，简法高洁效。网络此以可同完成上述时个任三务， 需不额外要步的。实 验结果骤显，示即 在有使的数限据持下，支该 方依然能法够取不错得的能性 ，人脸识别权威在数据 集FLW上获得 了 7.39%的精 。度 键词：关 脸人别；识 积卷经神络网 ；度深习学 ；任务多习 文学标志码献： A中 分类号图 O235：；T 39P 1do： i01.778/j3.issn.010-83312.161-03670
1
引
言
脸人识是别一基种于人面脸特部征身的份识别术 技
。传统人的识脸算法例如别利主成分分析用 P（rnicpali CoponmnteA anlysi，s CAP ） 的igeEFnce，a利 用线判别性 模型 Linea（rDi csrmiiant nAnalyiss，L D） 的 AFshieFare， 利 c用 部局 二 值
模 式（ocLa Blianry Ptatersn， BPL的） BLFPcae 方等法以可传统的 O在LR、Y ae 等l人数脸据集 取得良好上果效然而， 这些。据集的数问在于人脸题个体少 ； 个每体个拥的有片少； 照数据源来于受限的实 验景中场 20。7 年， 0省大学麻布了发 FWL （aLbeeld Fca
[1]e ni hte iWld） 脸人据集数， 数据集该集采非受限实际
的近来年， 在教、 育电商务子、 全等安领域着广有泛用，应 如考场例控、 监手机支。各付大联公司互从内的百度国 、阿、里腾 ，讯或是 国外的歌谷（Go ogl） e 脸书 、F（acbook） ， 以e诸及多科研位如单科院中动自 （所CASAI ）、香港 文 大学 中（UCK） H等 ，相加入竞该域领研的究以产及品发 中来。研随这跟波潮浪涌现了 也Faec+ 、+L iknFcae 以人等脸 识别业务为心的核司公。
基项目： 上海金科市委技科创行新计划动（N .o4511106109）0。
作者简介 ： 邵元 蔚19（09—）， 男， 硕士究研生 ，研究领为模域式别识、 计算视觉机 、深度学，习 -mEai： l1230120420@fud9a.nde.cn； 郭u飞跃（19 46—） 男， 副教，授，研 领究域模式识为别 图像处、理 、算计视机觉 。稿收日：期201 -60-21 修回日6期： 0162-4-01 文章0编号：1 02-0338 （2116）013 0-30206
-
蔚元邵，郭跃 ： 飞多任务习学及卷神经网积络在脸识别人中应用
的
012，65 2（13
图片采集） 输入片
图3
3
场景
片图， 中其的人将脸受会更多光照到 姿态、、 挡遮 因素等影的响， 这很在程度大加上了人大识脸的别度难 200。6 H年ntion提出了 BN D络网使得训练深度网 成络可能。 Nvidi为 发布了a系列高一能性计显算使卡得 度深络网的练速度训进步减少一。 Cffae 等系一深 列度学习具的公工使得深度网布络训练进的一步到得简化。 而因，近 年深度来习在学音语别识 、图识别像 、目标 测检 动、作别等识域领着有突性破成果的在图。像领域 ，中最 代具表的网性结构就络是是卷神经网络积 （CNN） 该 ，结 在 I构agmNete
3[4-] 2[]
人
预脸处
理人脸位
置 脸人检 测关键点测检
脸人键点 人关脸对
齐标准人
身份特征脸提 取份身征特人脸鉴 别 人认脸 人脸证属性类 多任务学习
中取分得好绩， 成性远能传统方
超图
人1识别脸框架
法 ，故而基深度学于习应用的到越越多领来域中。在人 识脸别领， 域Fcaeoob k 出提 了DepeFcae5]，[ 用利CN N网 络 进 人行脸 识 别 ，性 能与工人识相媲别。美 香港中大文提学的出 eDepID6[-]8将其精度 提到 升9% 9 以的。相上前比者，该网 络用更采深的络拓扑，网利用识 别 认证和种两监督信息行进练训中。院科自动所发 在 W布bFeace的 时同 公开了， ASICA 数集 据[9，] 得研究使者可 以有拥量的海人
脸数据训深练网络。 度Goglo 的 FaeeNec[t01] 2在05 年取得了 19.695% 的度精 它，采用元 三组损失函数 （ritlept ossl 作）为监督其信息，利 用量数 据以及分布海式群集练训而。之后得度的百 DLFaIce，腾 的讯Be tIsagem都 可 以 达 到 更高 以 上的精 度 。 目 前 为，止 最好人的识别脸算法以可在LFW[1] 上 行进查。看此外 自， 0251年 ， 人起脸属特征的性研究火热来， 香港中起文大 发学了带有 4布0 个性的人脸属征特数据集Ce elA[1b1] 。然而有方现法主要有大两点缺 第：一， 于出商利 业和益私隐保所护采的用据集并未公开； 第二数，模型训 练的 能功单一 无，法同完时成不的同别任识。本务利 用文多任学务习机，制提出新 的训练略策将人。脸鉴别、 证认属性和分类结合训深练神经度络，网在只使用 少较 数据的的提前， 就达到了下述上大各司接公的近能 性0（7.M vs2.0M）6， 此本因提出的方文具法非常有好的 际应用价值。实
2
2.
人
预脸理处
在一个非制性的场景限中 人脸，位分布置的不确
定性
人及大脸小多尺的性度使人脸得处预成理为一必 不可个少的程过在。预理过处程中，首 先需对要输图入片 进人脸行测 （face d检tectioen ），获取人脸 位置所应对 形矩框 b（ouningdb x） o，消 这些差除。权衡异时间复度 杂精度与，本 采用 dlib文1[3工具]完成人来检测。脸由于 实场景际中脸人姿各态异， 因还此对需人姿 脸态进行矫。正脸姿态人的矫主要正于基键关点坐的 标获。取关点键坐标的常算见法 3有000PSF16]， 或是[ 基 于CNN的方法 1[]7。键关数目点着随用场景的应同不数 也会有量不所 同如（5 个 点 68 个 、） 点 。本 采 文用于基CN N的 关键定点算位获法得5 个 进行姿点矫态正。 得人脸到键点关开始后人脸正， 矫矫正类可分型 2为 D矫和 3正 D矫。正2 矫正称D为脸配准 （fac人e algnimne） t 可以，据根眼、两鼻子、 嘴 角对位置应人对图片脸进行2 D 换。 变D 3正矫为称脸正 化fac（ef rotanlziaito）n， 可 将 以标定配对点三维脸到模型计算出仿射参上数，根 据参该 数获取正化脸对后后的对应位齐置 之后采用插，值、对 称 齐的方法补获取对来后齐的人，脸 详 见d epefca[e]5 考虑人脸识别对实。性时要求的，本 文用采为更快速效 的高 2D矫 。
2正3.
多务任人识脸别
任多人务脸识别包利用括任务学习多训练积卷
网 2.2
1
基于任务多的人脸识框别 架脸人别基本识义定算法流程与
脸人识别框架分两个为阶段：图 片处理预段和阶
识
和络用该网利完成不同的络脸识别任务人。 任多务学包括习证、 认别以鉴属及性分三种监督类信息。在本 中， 文通过下以三个阶段训
练网：络 一阶 段，第利用 鉴任务别产生所交的叉熵损失对网进络训 行练 ，网使络有一个良拥好的值； 第初二段阶 ，加认入证任 所产生务三元组的损失对先前的网进络行一进步训练，提高 网络识别精的； 度第阶三， 在之前段训练的础基上，加入属性分类任务 网对进络行训， 使练络网可以同时完 认成、证鉴 别和属分性三类类任务具体。的训过程和 细练节将在第3 章 进行介。绍结合人预脸处和训练理好 的任多务络就网以可完不同成人脸的识任务。
别阶别段预。理阶段，处 括包脸的检人测 定（位 ， ）脸人特 点标定征 人脸，齐三个步对。识骤别段， 阶要包含三 主大务任 认：证（v reficaiito） 、 n别 鉴i（endificttion）a 属和性 类。分脸人证是认判定定给两张的人脸是否于同属一 人；个人脸鉴别 是到给得定脸所人应对身的 （I份）D； 性属分类指是获取人脸一的属些特性征，如： 性别、 是否秃 、顶 是配戴否镜眼。等三这任个构成了务任多务人脸 识别架。框整人脸识别框架完图 如 所1示
。
3
4021，652 （31）
Cmpuoer Engitneerig nandApp ilcation 计算机工程与应用s
于人脸验证对任，务 分提别取两张准标的 脸NC N征，特 后之其对进相行似度度量， 常用度量方的法有欧 式距离、 余弦离以及距联贝合斯叶 （oiJtn ayesB ）方。 比法距离与阈值较关的即可系确是否验定通过证实验 。表余弦明距离较欧氏距相在离脸验证人任上务具更 有的区分强能力， 联而贝合叶方斯法需额外训要，练 间时 杂复度较。 对于大人脸鉴别任务 提取待，鉴别的标准的脸C N N征后特， 与人库脸中已册的注人脸 CN N特进行比征较，返 相应特回所征对 取 选 K近邻来得获脸鉴别人结果 ，应的字名。对海于量册人脸识注别， 还以可用利希哈等 术技快加索检度。速 对于人脸属分性任类务， 经过预处理将的准脸送标 入到已训练好的卷经积网络，中 获对取的应人脸属性分 结果。类
.2
3鉴别
络训练
人网鉴别任脸务是根标据准脸获取其对的应身份
I（）D。根据该 务的任点， 可特以将脸人别鉴任理解为务 种一多类分务。假任数设据集采中集自不同份身 的 个人， N么那文本网需络对给要定的人进脸 行N 类 类分。在习学程过中 ，网一络面方对同要个一人的情和 姿表态的化变以及光情照具况鲁棒有， 分性到同类一；中 一方面需要区分相似另人，脸 分到不类中。同如图2 a）（的网络 1 所示， 利用鉴别任务是训网练拓扑结络。构对 给定的于脸图人，片经 ４次卷过池化和 1积 次 全接连获得后脸人对应的特所，征 一将全般连接 1称为 深度入嵌（ eed epbmeddin） g， 之后过经丢弃再进
行 N类 类。分实验在中 采用，C SAI WebFaAcse的数据集 行 进练训 数据集中拥，有1 0 57 个不5的同人， 因这此就是 里01 75 5 的 类分 类 问 题 。 该数据 将 在 集4.1节 进行详 细 介绍 。 为提网高的识别络精，度在训 练进中行数了扩据充。随 截取机入输图中固定输片入区的大小， 域样这可 以有效服克标注因者标习注惯不同所产生的差的， 抓异 人住各脸个部位的细差异，节 有防效止络网过拟。实合验 中 输入图 大片 小 1为4×144， 随 4 截 机取大 小 为 12×812 。8另考虑外人到脸对的称， 性对还人脸行进水方平 向翻折的
。 基于3多务的任卷神经网络积学框习架 31.卷 积络基本网作
操训在网练前络， 首先介绍会本文所利用中的用训 练网络于的一基些本操和作用使的目 卷积。 （onvocltuoi）n 作是操积网卷的特络提取征 操作 该，作还使操深得度络天网生具了有好的良移不 变性。平池 化（ pooilgn）操 是一种作有的降维方式，效 可以防 止拟过。常合的池见化最大有池 化max（po olig） 和平n均 化 池a（evrgae pooilgn） ，在本 文采用中大最池化，该 作操同样有具平移不变。性
1[]8 公式的义定下：如修 正线单元性（ ReLU）
3.3
认
证别网鉴训络
人练脸认是证定给定的两张人脸判是否属同于一
个
。人 021 年常4用采方法是 s的iamse[e02] 的网方， 采用 对照式失损数函 cont（rasitvel os）s 来进监行督对于同一。 个人的同人脸图不在特征片间空的中距离可尽小能，
x不 x> 0eLU( R) x=0 x 0
{
（1
）同 人 间 人的 脸图 片距 离 不 小于 个 阈 某 。 2值150 G年ogole的 acfene t采三元用组失函数损（t rpliet lso） s取， 该损每次选失 取3张人 脸 2， 张属同于个一人作基记
A准 和例 P正 1，张 入另输一个人记作的例反 N 。对于
同该函数为卷作网积的络激函活数 ，较相传统的S （sig型mido ）双与曲切正（ tah） n激活数函言，而 效有服克了 度弥散在梯反向播传的问题， 使网中络以训可练更得深， 收敛得 更快
。1[9]在模 训练型过程中 ，随机弃丢部一丢 弃dro（outp）
一个
人 2 的张人脸在特空间征中的距离小不于人同 的距脸， 其对离的应失损函数：
L为 trpilt e [= f( x A ) f-( x P) -f ( xA -)f ( N x ) + α ] +4）（
22 2
2分中间
计算果，结从而使网 络更干抗， 防止过扰合拟 ；也可 以过反理来为解训练过中程练训一了弱的组分器，类在 试阶测段它们将进行模融型合升整体提度。精 softax 主要m用于类分务， 任公式定其义如：下P (
Cj = |1)x =Ke
w Txj wTi x
相比照损对，失 元组损三失更单简接，直并 且在效果 上于对优照损，失因 此中文采三元用组损失作认
为证 务损任失数。不函于 F同ceNat e训时练仅用采元三损 组的做失法 本，将文3 2.节 练训而得鉴的别络网为网络作
e å =i1
（
）
初值2 之，后加三入组损失作元监为信督。息这做么的 处好于：在网 训络速练度更；快同 时虑人考脸别识中别鉴和认证 两大任务；有 效提升识别精。如度图 （2）b ， 络 2 网是证认网络扑。拓训练中在 ，由交叉于损熵和三元失 的组的纲不量同 根，据经超参验 数 λ =0.01 0。过通别和鉴认 证两大务训练任后网络，的不 兼但了特征空顾间中样本 概率分布， 的使络更具泛网能力， 化而还考虑且特
了为简单起
，见这里 略偏省置 项（iasb ）上。是第 式j类 分结类果K 为，数。在类练训过程，中采 用叉交熵 失 损（rcos esnrtopy ols）s 为作监信息督
：Lc ros estnorp y x y ; ( θ ) = å-y j l P (n C jx|)
=1iK
3（
）
邵
元蔚 郭跃飞： 多，务学习任卷及神经网积在人络识别脸中的应
用2
01， 65 2（13）
35
征
空间样中的本类类内的间距离系关 能，难对例更好 的有分度。
区骤 步2 别鉴络训网。在 练ASIC AebFaceW 数据集上 { 人脸，身份 }， 利 用人鉴脸别监督的任务 采用多分， 交叉熵损类失数函 ，网对络进行训。 步练骤3 鉴 别证认监网络训督练在鉴。别络网基 的上， 础入加脸认人的监证督务，任 每从 C次ASA IebFacWe 中选 取 张人脸构成3元组三损失，对网 络行进一步进训 。整练的体损函数失为：L
= L i denitfictaoi n λ+L verfiictaoni
3.4
认证
鉴别性属类分络训网
练实在应用中际，人脸 识别的性属分类任务发越重
要。
021 年 5UCKH 发布 C了eebA 数l据集 该，数据有集40 个 人 脸 二 元属 性， 例如 戴镜与眼、否性别等。 合结 ACIASWe bFaces 据集数可就训以多练务网络任。证 认别网鉴络的础上基， 入加属分类的监性督息，信使网络 可 以同时进人行脸验证、 别鉴和性分类任属。为消务 人脸除据数中的集姿态、 置、位 度的差异，尺 ClebA e中的人 脸也需进行要预处理作获取标准操脸如图 2。（c ） 所示， 网络 3是证认别鉴络网。训练时 ，将 3 3 节.练训得而的证鉴认网络作别网 络初为值，增 加 CleeAb 数据集 。考 虑 到aCias 有 身只份 （I） D息信 Cel，eA 只有b属性分信息，类因 在而练过训 程中忽略这些知未信息所生的产失损网络。的体主分部分 两为路， 时同采人脸鉴别和人用脸属性分所类生的 产叉交损熵作失总为体损的失。采这类结构用好处的 在共享于络底网特层征 ，通单过一网络就同可完成人脸时 鉴别 、认证、属性分 三个任类务
。（
5
）步
骤 4鉴别 属分类网性训练。在络前先网络的 基础，上增 加Cel beA数 据 {集人脸 ，属性 } ，加入属
性分 所类生产交的熵叉失损 ，当人脸从 Casia中损 失数取决函于鉴 别务，任 反取决于之属分性类任务：L =
cIsiaa L´identi icfaitno+ I cele b ´AL i entidfiactoniI ecelb =A0 。
6（）
其
示为性函， 当 人数脸 选 自 asia C数据 集 时 I， ascai =1
4
.14
实际数的实据验人脸识 数据集别
本文使 用3个 人识别脸域领威权数的集据：L W F
、3.
5
训算法练步骤步
1骤数 集据进 统行 一 预处 理 。 分 别 对CSIA
ACAIA SWeFbace 和 Cslebe 。 LFA W 据 数 集 5有 79 4 的 13 23人 3 张图片 ， 6 0 0 0对人 可用脸人于脸识别评测但。于由该数据集中数据的
鉴交叉熵损失 属性别分类叉交损失
W熵eFbcae和 C lebAe 数集据进行预理， 处取标准获脸人。鉴
别交叉损熵失鉴 交别熵损失叉
认证
元三组失损
全
连 2接丢弃 全 接连 1池化 4 卷积 4池化 3 卷 积 3池 2 卷化 2积池化 1 卷 积 C1SAA I片图
全
接 连 2丢弃 连全 接1 池 化 4卷 4积 池 化 卷积33 化 2池卷 积2 池 化1卷 积1 ASIAC图 片ACSI A图
片全
连接 2丢弃 连接全1 池 化 4积卷 池化43 卷积 3 池化 2 卷积 2 化 1池 卷 1 C积eebAl图片
（
）a 网 1络
（
） b网络 图22多 务学任习络拓扑网构
结c（ ）网 3
络
3
6
2160 52，（ 31）
C
omutpre Engieeringn ad nAppliationcs 算计机工与应用程
分
极不均布，匀 因直此利接用该据训数练模型结果不 佳 。ACISA 含了 包01 75 个5的 人944414 图张。片得益 于大巨图片的规模 很适合，度深经神络的网训。练 CeleAb 有 拥022 59 9图张，片每张图片都标 有 4 0种 二属性元，如 否佩是帽子戴、微笑 等 实验中， C。ASIA 和Celbe 用A于 积卷 络网的 训练 ，LFW 用于评识估别度精。
中
会在使 FW 上的L证精度验下到 78% 降其。因原于 在入新任加务后 其，失损远于大原鉴别任务有生的产 失，损因 在此向传播反， 时对层底卷的特积征行了进变改 ，而从响影验证任了的精度。务后网络进入缓慢的回 之期升 ，渐逐应了鉴别分适类大任两，务 终最验精度回证 到96 % 的精度 。 因 此 这 是 一 性 个 能 与网络 能 的力权 衡。网迭络代次数受同许到复杂因多叠加影素响， 要主 有：网络自 身拓扑的构结 任，务间之的重权系关 1 ∶（1 ） ，训 练时 选 取所的 batc h数 大 小64（）， 优步长调有 （0.关001）。但由 于况复杂情 ，在验实一般采中用提停 止前（ arle ysoptpin）g 方式的来定确终最的代次迭。数0.
90 .0880 86.a curcayc 08.40 82 0.80 0..7 80 2 00 4 000 0 6000 teritians 8 o000 0100 0
42
实.验境环配置实验
中件硬配为置 Inteli 5理器， 主频 3.处2 GHz，0
8 B 内 存G ，显 卡vNiia GdXT906。软 件 配 置为 buntuU14 .04，显 驱动 N卡idiv a346，Cu da.6 GP5 U并行算库计 网，络
训练具采用 Caff工e[2]3。
.3
4预理处置与网设参数配置络
脸人检测具工用 dl选bi ；人关键脸标点定用 采Cacsdade
NN 进C 5行个关 点键检测； 人对齐根脸据眼两和子鼻 位置行 进2D 对齐。网络 的练训参设置： 数重权腐蚀（w iehg tedcya 为 0.）0005， 记因忆 （子moentumm ）为0 9. ，准学基习 （率bas eealringn rtea 为 0）.10 学习，略策（ earnlnigp oilyc ）阶式 梯衰，减 减衰为 率.10 ，选的用块大 小（abth csie）z为 6，4归 一化因子 （salec ）为 /2516 ，丢值为弃 07.采。随机截用取和 像操镜作行数据扩进。
充图
0.93 0.80 0.86 8caurcay 0c.84 .08 02.80 01 00 02 0000
前
1 000 次0迭代果
结
4.4
LFW 下的评测结在
从果表 1可知响识别影精度各项的因。素处预理操
作最重要为 在精，度提升了上 .6% 4。其次训是练集 的取， 采用选Cas ai 据集数训后， 练度上精也 4有3. %的提 。数据升可扩以来带 .81%的精度提升。正 则与弃丢 操作分别对度精 有1.9 %和2 7%. 的升。提量方式换度为 弦距余后又离 1.4有 的%提升采用鉴别。认证任和务训练的网 络进一可步精度将升提到 9.73% 。
1
训表练集L WFL WFCa si Casiaa Caia sCasa Casia iasia C处预 无理有 有 有 有有有 有 则 正 无 无 无无有 有 有
有3
00 00
0 000
45
000
600 000
70 00
0
0 0800
900 0
iter0aiotsn
模型
数参对精影响
度丢 无弃无 无 无 有 无有有 数据 扩充无 无 无有 有 有 有有损失 交叉熵 叉熵 交交叉熵交叉 熵交叉 交叉熵 交熵叉 交叉熵 熵三元组距 离度量欧式 欧 式欧 式 式 欧式欧 式 欧弦 余弦 余度 精/% 8.2 784. 8689 9.0.79 26. 593 .6.7 97.39
图
4
10后 000 次代迭结果
4
6
.与 NCE系 统的比
较在用应场中， 景频中的视人脸鉴更加常别见。N EC
人脸的识系统是别用的视频常脸识人软别。出于件数 方便收集据考的虑 ，选取校监控视园，频识别 人数为7 人，通过 手标工注的方标式视注频每一帧中脸人置位 和份。 图 5身 为这7 人在 视频识别中的 P- 曲R，线 坐标召横 率回（ erallc）， 纵 坐准确标 （率precsiion ）。线蓝是NEC 模 型， 红 是线本鉴别文证认络网，可以 发本文现模型表 现优于的N EC的 型。此模外 ，过计通平均正算率均确值 M（enaA evareg Pecriisno M，AP）可知 ，NE C 3为7.%0， 低于鉴 认别网证络 5的4.2% 。
.45
鉴属性别类分网络的练训从
3图 图4 可中以追鉴踪别性分类网络属的训过
程练当属性。分任务类入到加络网， 在前后2 0 00次 迭代
100
000
0
7.
8
邵蔚
，元 郭飞跃： 任多学习务及积神经卷络在人网识别脸的应中用cla
ss：1， ANPCE0.42=3 A，oPr=u0.07 5NCEo urspr cesiion clas：s ， 2PAENC0=20.5，A oPru0.=613 EN Cousrp erciions lasc：s ，3 ANECP0.=648 A，Pour=.5208N CE uorsp ecisirn
o
2106
， 52（1 ）
337
1.
0.090 8 0..7 0.6 .050 .4 03.0 .20.1 0
.2
0.400.6 ecrla
l.08
.0
1
.1 00.90 8. 07. .6 0.5 0.04 03.0 . 0.120
.02
04 .06. ecrll
a0
.8
1.0
1. 0.90 .80 .7 0.06 0.5 0.40. 0.32 .010
0.2
.4 006. recla
0l.
81
0
.1.0 .09 .080. 07. 0.560.4 0 . 0.3 02.10
c
asl： 4， APNEs=C.0519， PAoru0=0.05 ENCours
pecisroni
02.
0
. 0.6 re4acll
0.8
.10
.1 009. 08 0..7 .0 6.500.4 0 .30.2 0.1
0cassl ：5， PANE=C05.4，3A Puor0.=739N CEo ruspr ecisin
o
0.2
0
4.0 6 r.cell
0.8
a1.0
10 0.9 0.8 ..700.6 .05 .0 40. 0.32 0.10
calss：6， AP EN=0.45C， 4Pour=A.780
0NEC uors
02
..04 06 .eracl
l
0.
8
.1
01.
00 .9 0.8 .07 06.0 .50.4 0 .3 .2 0.1 00
casls： 7，A NPCE=03.27，A our=P.067 NE0 Curos
prec
ision
rpecsiion
02.
0. 4.60 ercal
l
.08
1.0
图
5
NC E人识别脸统与本文多系任务络网 的PR 曲-线照图对 7] S[un Y ，Cen h ，YWan Xg， et al Deep le.rniang fca eeprersneationtb y joit inenditicfatoniv-reifcaition[C]/Pro/ecdiengso feNura Ilfnromtain Proocessni gSstyms eConerefcne 201，：41 88-9916. [89 ]un Y ，SL angi D， W nga X ，te alDee.idp： Fac3 ercoegnitio nitw hvryede e npureal etwonrk[s]Ja.Xriv rpeript nariv：X 510.00283， 2715. 09][Yi ，DL ie ， LiaZo S ，e tl.aearLningf ac repeerentatiso nfrm scoratc[Jh].aXirv rperinp atXri：v 411.1973，22 04.1 [0] Sc1hrfof F， Kalencienkh o， DPilhbinJ Fa.ecNet A：un ifideemb eddni gforf ac eerognicton ani cdlusertig[Cn/] P/roceednisgo IfEEECo nefence or Comnuper tVsiin aod nPatten Rerogcntioin 2015， .1[1] iLuZ， uLo P，Wan X ， etg l.DeaepLear inng Face Attirbteu sni he WtlidC[]/P/roeedcnig sof IEEE nIetranitoal Coferneneco Comnputr Viseoi， n0241.[1 ] Brad2ski G ，Ka eherlA .LarninegO enpV： CCmpoteur ivisno wthi the peOCV nilbraryM[][S.l..： ]’O ReilylM edi，aIn c，2008 [13] .King E.DDil-ml：b Aachmnie elarnngit olokit[J.T]h eJounar olfMa cihenLea rnignR eesrcha，200 9， 013（） ：157-57581 .[41 Li H]， L niZ ， SenhX ，e tal. Aco nvlouiotnl nauearlnet wrk coscadeaf r ofca deeecttio[nC]//roceedinPs gofth e EIEE Cnfoernceeon C omptue risVonia n Patdtre nRcogentioi， 20n15： 53525334- .1[5 Ja]i Vn， Laered-nMille E.rDFBD： A bechmanrk ofr afc deteetion cn uicnnotrasine sdtetnisg ，Techicna Relopt umr-210-0009[].RUivnrseiy tof assaMchusett sAhermst， 2001
5
结束.
语文本出提一种基多于务任学习卷的积经网络框
神来完成架脸人识。别通将人过鉴别、脸认 证属性和分类同 作为网时络的目函数， 端标端地训到练个整度深卷 积络网 ，法简算高洁，效具有很好的鲁棒性。该 络能同 时网进行上述三个务任 ，不需额要外作操实。验果显 结示， 即使有在的限据支持下数，本 文法方然依够能在实 场际景中取得错的性能不。
参
文献考
[1： H]ang G B， Ruaesmh M， Berg T， eta .labeledL facesi n thewild： A atdaabs efo srudyingt fca ercogeiniot nni unocstnarind eneivromnnest， Tche
nicla epRor 0t-497[]R A.hmrst：eUnive risy to Mfssacauhsttse，20 70 [.2]Hi tno nGE， Osi nedorS ，Te h Y .A fastWl eraingn lagrotih mfr deop ebelie nfetsJ][Neu.alr oCputmaito，n2 006，18 （7） ： 1527-155.4 [] Kriz3hvsky Ae， utsSkeve I， Hinrtno EG.maIgnee ctaslsifiaticonwit dheepc noovltiouna lneuar lnetorws[k]C/Pr/ceodeins go Nefral Iunfomraiton Pocersing SsytsemsCon efrenc， e210： 21097-105. 1[4]Gi rhicsk .RaFs t-RNCN[]C//Prceeoindgsof I EEEI nertaniotanlCo erfecn eo nCoputermV siino， 2015 ：14041-44.8[ ] T5iamga Y n ，Yna g ，MR azaton M A，e tl.aDepeacf：eC olsig ntheg pato huam-lnvelep refrmoace ni fanc verefiictainoC]//[rocPeeindgsof IEE EConfeercn eon omCpteu rVsioin an Patdern Recognttioin （VPRC） ，021： 1470-11087 [6] .Su Y，nWan Xg ，ang TX.eeDp learnign acf reerepesntatio frnm pordeicint g1 000 0clssas[eC/]/Proceednis ogf EIEEC noefence rn oCopumte rVsiio nad nPattre Recnongtiin o（VPCR） ，201 4 ：891-1819.8
（下转
88 页）
8
2018， 62 （135）
Co
mutpre Enginerein agd Appnilatcinos计算 机工程与应
用Porceeidgn soft e h1th 1EEE/AIMC Inetnrational oCnefrneecon riG Codpmuitgn （RGID）， 010：22 6-276. 316[ E]genuF ，Luois R，C rhsiitne MEnergy.awa-er nt aocoln byaesd worload placekemt ni nlcodu[s]C/Procee/dinsg o tfeh 1t2hI EE/ECMAInte naritonlaC ofenencr oenGr i Cdmpuotig （GnRI） ， 2D101 ：6-233. [17] WnagZ ihb， Zohang anqYing.Enrgyee-fficint easkt chseudlig alngroithsmw th huiamni ntllieegcn besed taakss hufflni gnd atsak erloacito[Cn//]Prcoeedign so 2011fIE EEA/MC ntIerntionaa Clonferecn on Greeen Cmouptngi nd aommunicCatino s（reeGCno）m， 2 01：138-4 3.[ 1]8Z hang Zmiing ，Fu SngoP.rfilingoa d naanylssio fp owe cornusmpitonfor v irtuliazd seystes anmdappl icaiotn[C]s/ Procee/dnis gfo IEE 2E9ht nItrneaitnoal Prformanec Ceopumtnig na Cdommunicaitnso Conferece（InPCCC）， 2100 3：293-0. [31] Ye9 ejKani， gHuna Dgawi，eJi ngaX aohiogn， e alt.iVtuar mlcahie bnsed aneregye-ficfeitn ada tcneer tracithcetue rof rlocd ucomutipgn A： preformace nprseectivp[C]//erPceodeigs on f0201 EEI/ACM IntEl’ oCfenrneeco nG reen Coputinmg nda ommCnicutioansGree（Conm）& In’ lt Cnfeoenrce no yCeb， rPyhscia lnadS oiac lomCupitn g（PSCCmo ，） 0201 ：711-78. [201]刘友 . 基于生层结次构的绿色算计生系态能耗分统析[J .] 计算机工， 2程013，3 92（）： 27-33. 2[]1 heZng ìJgn ，hCe nang.ViKturl amcahin eneergyin gree n omcutpni[g].JCmmounciitosn f toe hCF，C2 10， 0（3）： 68-323 [22.] aBilag J ，Roertb W， Arey A， et al.Gre e ncoul docmpuintg： Blancaig ennrgy ine ropescsin，gs toager and t，rnaporstJ[].Pocerdings oeft e hIEE，E 0211，9 9（ 1）： 4911-7.6[ 23 ]郭，耀 赵霞. 绿软色技件术究研展 进J][ 计.机算学会通， 讯2010 6，（ ） 3： 3-34.7
teh uftreu nIetren：tA s urvye foe isxint apgrpoahcs eadn tends rn ieerny-gwaar fexide netowk rinrfatsurtucrse[]. CJmomu-nicatoinsSu vryes
& Tturoilas，2011， 13 （）2： 22 -2692.[5] Huan gY ， Y Ju P， a X X M ，et alM.notoring pirporteie sf openo nevionmrntseJ[.]Juonar lf Sootfawre，20 1，12 2（ 5）： 6588-76 .[]6Rodero I Ja，railmo Jl， uiroQ z A ，t eal.neEgyref-fcientiap lipatcon-awareio lnie prnvioisnoign fro ivtuarliedz colusd adndata cnetresC[]/Pr/oeceindgso 2f01 I0tnenrtainaolGr eneC opumtni Congfreecn， e012：0 1-35. 47[] iuQM eiakg， Lnui Janningi L， iJaiiyn ，te la.oveNl enrgyaware eaulftt leraone mechacnsi mor wirfleess sesnor entwoks[C]r//Proecednig sf o0211 EEIE/AC MnIerntaitnol aCofnreenc eo GrenenCompu tnig nd Coamumncaiiots nGr（enCom）e 2，11： 56061-. [8 ]闯林 田源， ，姚敏 绿色.络和网色评价绿：节能 制机 、型和 模评价[J]. 算计学报机，20 11， 43（4 ）： 59 3-12. 69] 孙[大为 ，桂常， 陈然东 等，. 云计算环中境绿色服务级目标 分的析 量、、 建化模 及 评 [J价]. 算 机 学计 报 ， 2031， 6 （37） 1：50-9515.2 [10] 元胜， 郭伍 .面向兵心核网多的网层络耗优化方能 [J]法. 算机计学，报 201，3 63 7（ ） ：518-1348.5 [11 宋杰， ]李甜甜， 志朱良， 等 .数据云管系统能理耗基准试 与测析 [J].计分机算学报，2 130 3， （67 ） 1：4861-49. [92]1宋 ，杰 甜甜李 闫振兴， 等 ，一.云计种环算境下能的效型 和度模量法方[ ]J软件学.报 2，10，2 23 （2 ： ）20021-4.[13 ] 马， 龚艳斌 ，立邹达. 网 格环境基于下复制的能有效耗依 赖 任务 调度 研究 [J] . 算 机 计研 究 与发 展，201 3 50 ，2）（ ：42 04-9. 214[ ]晓敏朱，贺 川 ，王江， 建 等异构计.系统中算性弹节能度 策略研究调 J[]计.机研算究发展，与 012，23 5 （6 ） ：113-3316.1[ 1]5 aMr iJ，Leung K， HuangZ. etrMis acndta sksch duelng iolpciis foerenerg ysvani gi nmutlcioe rcompturesC][//
（
上 3接 7）页[16
Ren]S， CaoX ，Wei Y ，et al .aFec ailnmegtn a t300 f0s viapr egressngi oclla bianr yefatruesC[]//rPceeodinsg fo IEE EConfrence on eCmoutep Vrision na daPttrneR econigtion C（VR）P， 014：2 6815-1629.[ 17] hangZZ ， uLoP ，LoyC C ，et alF.caal ilandark dmtecteoin b yedep umli-ttas kelanirn[g]C/Pr/ceedonig sf ECoV 2C014[.S..]l Spring：r eInertatnonail ubPlisihg， n201：49 4-01.8[18] Na i V ， Hrniont G .ERcetfiid elneair uinst imrove rpesrtitec dobltmzann acmhins[C]/eP/roceeidgnsof the 7th I2nterantoialnCo fneencr oneM ahicn Leaeringn I（CLM10-） ，2010： 8078-4.1[ 1] 9riSvatsvaa N，Hi nto nG， K irhezvsy A ， kt al.eDoroup：tA s mpiel aywt op evrnte nuerl anewtrok sromf vorfiteing[J]. Tte Journhal f oMchane iLareingnRes aerc，h2 014 ，1 （51 ：
1）99-2198. [502]H daelslR， C ohrp S， LeaunC Y.Dmiesinoalitn yedrucito nybl eranngi n aivarnani tmpaipg[nC//P]roecdeins ofgI EEEC moputreSo cetyi Cofnernece no ompCuetr isioVn nd aattPrne Rcoengtioni，2006， 2 173：51-472 .[2]1S iomynn a ， ZiKssrme
anA.Ve y dere pcovnlutoinao nelworkt fsorlar e-sgclae imgea reconitign[J].oraXv preirpitn rXai：v 1049155.6 2，10.4 22][Sz egdy e，C Liu ，WJ iaY e，tal .Goign edeer wipth cnvoluotinso[C/]/rPcoedeign of IsEEEC onferenc eon ompuCte risiVno nd PataetrnRe coginiton， 2015 1-：9 .23[] Ji aY ，Shehlmar eE，D nahoe uJ e， at.lCafef ：Cnovluoitoaln arhicettcru eorf afst eaftre emubddiengC[//]rPceoeindsg foth AeC IntMrnaetiona lConerfnce oneM ltimedua， i210： 46576-8.7