数字技术与应用杂志社

摘要：<正>随着人工智能的发展，人脸识别在生活中的应用越来越广泛，但当前识别的多是高分辨率下的人脸图像，低分辨率图像的识别还需进一步提升。基于此，本文提出一种CNN和Transformer的融合网络（Combining CNN and Transformer Dual Network,CCTDN）低分辨率人脸识别（Low-Resolution Face Recognition,LRFR）方法，融合了卷积神经网络（Convolutional Neural Network,CNN）和Transformer双网结合的优点，并运用损失函数，在LFW数据集上取得了优异效果，提高了准确率。随着人工智能技术的快速发展，人脸识别因其非接触性、便捷性和唯一性[1]广受欢迎，然而，人脸识别在实际应用中面临更多挑战，尤其是在监控视频中，由于图像分辨率低、信息量少、噪声大，识别难度显著增加[2]。

基金资助： 安徽省2021年度高校自然科学研究重点项目“基于深度学习的图像分割方法研究”（KJ2021A1471）； “2022年度高校优秀拔尖人才培育-国内一般访学项目”（gxgnfx2022180）；

专辑： 信息科技

专题： 计算机软件及计算机应用;自动化技术

分类号： TP391.41;TP183