基于YOLOv5和残差网络的面积屏障人脸验证
计算机视觉与模式识别
2025-10-30 v1
摘要
在当代环境下，信息技术的融合与人工智能的快速发展已使学校教育进入一个以数字化和高度智能化为特征的转型阶段。同时，新冠疫情引发的全球范式转变催化了电子教育的演变，凸显了其重要性。在这些发展之际，值得关注的关键环节是数字学习领域身份认证。在此背景下，我们的研究探讨了一种针对在线学习身份认证的解决方案，利用增强型卷积神经网络架构——具体而言是残差网络模型。通过运用深度学习技术，这种方法旨在推动在线教育的持续进步，同时增强其安全性和稳定性。这种加固对于使在线教育顺利适应教育格局的快速演变至关重要。本文的核心命题是部署YOLOv5网络，在其上训练我们的专有数据集，该网络负责从学生通过开放式在线摄像头捕获的图像中识别个人面部。随后，面部信息被输送至残差网络，以在更深层次提取复杂特征。随后，对欧几里得距离与学生人脸数据库之间的比较进行分析，从而有效确定每个学生的身份。
引用
@article{arxiv.2510.25184,
title = {Mask-Robust Face Verification for Online Learning via YOLOv5 and Residual Networks},
author = {Zhifeng Wang and Minghui Wang and Chunyan Zeng and Jialong Yao and Yang Yang and Hongmin Xu},
journal= {arXiv preprint arXiv:2510.25184},
year = {2025}
}
备注
9 pages, 10 figures