基于FaceNet-MMAR算法的大学图书馆智能面部识别模型的构建
PloS one
|January 11, 2024
概括
这项研究提高了智能大学图书馆的面部识别功能. 优化的模型实现了高精度和用户满意度,改善了校园数字化.
科学领域:
- 计算机科学 计算机科学
- 人工智能的人工智能
- 信息技术 信息技术 信息技术
背景情况:
- 数字化转型正在推动校园基础设施的发展.
- 面部识别技术为智能图书馆开发提供了潜力.
研究的目的:
- 为高等教育智能图书馆优化面部识别算法.
- 开发一个以面部识别为中心的智能管理系统.
主要方法:
- 使用面部识别设计了一个智能大学图书馆管理系统.
- 通过整合MobileNet,注意力机制,感受场模块和Mish激活功能来优化FaceNet模型.
- 开发了一种改进的多任务人脸识别卷积神经网络.
主要成果:
- 在稳定状态下实现了0.04的特征匹配错误.
- 在数据集上达到99.05%的识别准确度.
- 报告的识别错误率低至0.51%.
结论:
- 开发的面部识别模型显示了智能图书馆应用程序的强大性能.
- 该系统获得了高用户满意度,97.6%的教师和96.8%的学生.
- 为建立智能大学图书馆提供有效的技术支持.


