学位论文简介
现有的人脸识别方法在实际应用中无约束条件下存在识别精度和鲁棒性不足的问题，特别是人脸识别系统在资源受限设备上的无约束人脸识别面临重大挑战。本文从人脸识别系统终端应用的角度进行深入思考，重点研究了人脸识别损失方法和轻量级人脸识别网络，取得了以下主要创新性研究成果：
(1) 针对数据不平衡问题，提出面向间隔损失人脸识别的难例挖掘方法，通过设计一种简单、 有效的难例选择函数实现在线类内难例筛选。进一步，提出难度均方误差损失人脸识别方法用于验证所提难例挖掘方法的有效性。
(2)针对模型紧凑性不足问题，提出类内难例中心损失人脸识别方法，在训练过程中引入难例类内紧凑性的学习目标，增加难例特征向量与其类中心向量之间角度的惩罚，以一种“拉”的模式对难例特征分布进行优化。
(3)针对鲁棒性不足问题，提出难度自适应类间间隔损失人脸识别方法，以一种“推”的模式优化难例类内特征分布，使得难例类内特征分布更加紧凑，从而增强模型在处理类内差异较大样本时的识别能力，增强模型鲁棒性。
(4)针对轻量模型精度不足问题，提出轻量级多尺度特征感知人脸识别方法，利用多尺度高效瓶颈结构实现多尺度特征感知与融合，并基于该瓶颈结构设计了一系列轻量级多尺度高效人脸识别网络，提升轻量模型的识别精度。
主要学术成果
[1] Degui Xiao, Jiazhi Li, Jianfang Li, Shiping Dong, Tao Lu. IHEM Loss:Intra-class Hard Example Mining Loss for Robust Face Recognition. IEEE Transactions on Circuits and Systems for Video Technology, 2022, 32(11): 7821-7831. (SCI, 导师第一作者)
[2] Jiazhi Li, Degui Xiao, Tao Lu, Yuqi Wei, Jia Li and Lei Yang. Hardness Adaptive Mar_x0002_gin Loss for Face Recognition with Various Intra-class Variations. Expert Systems with Applications.(SCI, 第一作者)
[3] Jiazhi Li, Degui Xiao, Tao Lu, and Shiping Dong. MEFaceNets: Muti-scale Efficient CNNs for Real-time Face Recognition on Embedded Devices. The 2023 International Conference on Neural Information Processing (ICONIP2023). (CCF C 类会议，第一作者)
[4] Degui Xiao, Lu Zhang, Jianfang Li, Jiazhi Li. Robust license plate detection and recognition with automatic rectification. Journal of Electronic Imaging, 194(2020), 105584. (SCI)
[5] Degui Xiao, Lin Zhuo, Jianfang Li, Jiazhi Li. Structure-prior deep neural network for lane detection. JOURNAL OF VISUAL COMMUNICATION AND IMAGE REPRESENTATION, 2021, 81:(103373)1-10(SCI)
[6] Degui Xiao , Jiahui Liu , Jiazhi Li. FALNet: flow-based attention lightweight network for human pose estimation[J]. Journal of Electronic Imaging, 2023, 32(5): 053008-053008.(SCI)
