基于改进的卷积神经网络的人脸识别算法

摘要：

光照、表情变化等复杂环境下,传统人脸识别算法的性能下降较大,为此,提出一种基于LeNet-5改进的多层卷积神经网络人脸识别算法.首先,通过卷积层和池化层的融合来自动提取人脸特征并进行分类,然后,采用随机梯度下降法训练网络,使用Softmax分类器对人脸进行识别.在全连接层中采用"Dropout"方法减少训练过程中存在的过拟合问题.实验结果表明,提出的方法在A R人脸库上的识别率达到了98.65％,优于传统人脸识别方法,其训练速度也明显快于普通的卷积神经网络,验证了改进方法的有效性.

关键词：人脸识别、深度学习、卷积神经网络、Dropout技术

所属期刊栏目：38

分类号：TP391.4(计算技术、计算机技术)

在线出版日期：2018-10-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：55-59,97