基于KL距离的卷积神经网络人脸特征提取模型
为了克服欧式距离的度量方法在人脸特征表达上的不足,提出了一种基于KL距离的卷积神经网络人脸特征提取模型.通过卷积神经网络将输入样本转换为一个概率分布,利用KL距离度量不同样本之间概率分布的差异,并定义了一个代价函数对此距离进行优化,最后使用反向传播算法修改卷积神经网络的参数,使网络对人脸特征有更强的区分能力.将提取的特征向量通过神经网络分类器进行人脸验证,在YouTube等人脸库上进行了测试.试验结果表明,该方法不仅能提高正确率,而且还具有更好的泛化性能.
人脸识别、人脸验证、特征提取、KL距离、度量学习、卷积神经网络
14
TP301(计算技术、计算机技术)
国家自然科学基金资助项目11671125,71371065
2017-08-16(万方平台首次上网日期,不代表论文的发表时间)
共7页
85-91