使用GAN和基于忆阻器的分类器进行非正面人脸识别

人脸识别系统通过深度学习技术取得了显著进展，在复杂场景中展现出高性能与鲁棒性。然而，这些方法会带来大量计算开销，限制了其在无人机等资源受限平台上的原位适用性，而这类平台恰好可以应对包括非正面人脸图像在内的诸多挑战。基于忆阻器的神经形态系统已成为边缘 AI 应用中一种颇具吸引力的方案，它将受生物启发的处理与高效、可扩展的计算相结合。在本工作中，我们提出了一种人脸识别框架，通过将基于轻量级生成对抗网络（GAN）的姿态正面化与基于忆阻器的神经形态识别相结合，来应对非正面姿态变化。在两个数据集上的实验结果表明，将对抗学习与忆阻技术相结合是有效的，识别准确率最高可达 96%。所提出的方法缓解了传统 AI 的计算瓶颈，为动态真实环境中的面部识别提供了一种可扩展、高效的解决方案。

中文由 AI 翻译，仅供参考，以原文为准。