一种改进的人脸识别CNN结构研究

摘要：

为了克服人脸识别中存在光照、姿态、颜色等噪声的干扰,融合了卷积神经网络与孪生神经网络的优点,提出了一种改进的CNN网络结构,该结构由两个卷积神经网络组成,且共享网络权值,在该结构的训练中采用了差异深度度量学习(DDML)算法.卷积结构有效地去除外界噪声干扰,且在非线性降维中权值共享结构能够自动提取相同特征,DDML算法增加了提取特征的有效性.在ORL、YaleB和AR人脸数据库上实验结果表明,与PCA、CNN等算法相比,识别稳定度高,识别率提升近5个百分点.

关键词：人脸识别、卷积神经网络、孪生网络、差异深度度量学习(DDML)、深度学习

所属期刊栏目：53

分类号：TP391.4(计算技术、计算机技术)

资助基金：湖南省高校创新平台开放基金15K051;湖南省研究生科研创新项目CX2016B670;湖南省教育厅项目16C0723;湖南省高校重点实验室开放基金14K042

在线出版日期：2017-09-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：180-185,191