基于MAML在线元学习的人脸识别算法

来源：计算机技术与发展杂志2025年第06期北京时间：

作者：范振雄;邓春华

摘要：深度学习在人脸识别中虽表现出色,但其性能受限于单个身份的训练样本的数量。 在非限制性场景下,人脸姿态多变,单个身份的注册样本不足时会导致识别效果不佳。 实际应用中,人脸数据常常稀少,有时每个身份仅有一张照片,传统机器学习方法难以处理这种情况。 因此,在样本稀缺时提高人脸识别的准确性和适应性是很大的挑战。 为解决上述问题,该文提出一种基于元学习的少量样本学习算法。 此算法运用从大规模人脸数据集中获得的先验知识,在注册样本稀少(甚至仅一张)时能进行有效推理,解决了少量样本甚至单样本人脸图像在传统机器学习方法下分类效果不佳的难题。 实验表明,该方法能提升不同模型的识别准确率,并在各种真实数据集上展现高效识别能力。 在正脸、侧脸、光照变化及配饰遮挡等多种真实场景的数据集上,该方法均展现出了卓越的识别能力。

关键词：人脸识别;元学习;机器学习;非限制性场景;先验知识