基于改进lenet-5网络的人脸识别研究

摘要：

针对传统的lenet-5神经网络对于人脸图像特征提取能力不足问题,提出一种改进的lenet-5卷积神经网络进行人脸识别.首先将卷积层增加到4层并调整网络层各个神经元的连接权值来提取图像更深层更本质的特征.接着使用dropout和L2正则化等方法防止过拟合现象.然后以数据集CASIA-Webfaces为训练集和测试集,训练并测试改进后的lemet-5网络.最终通过在CASIA-Webfaces数据集和LFW数据集的对照实验进一步证明了改进后的lenet-5新神经网络的优越性.实验结果表明,与传统的lenet-5网络结构相比,改进后的lenet5网络,识别准确率达到了0.9435,比lenet-5网络高出0.1189.验证了改进方法的有效性,为神经网络的进一步研究提供了一种新的思路.

关键词：人脸识别、卷积神经网络、改进lenet5、特征提取

分类号：TP1;TP3

资助基金：陕西省科技厅自然科学基础研究重点项目2016JZ026;西安工程大学学科建设资助项目107090811

在线出版日期：2019-12-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：239-241