基于SIFT稀疏深度信念网络人脸识别研究
针对尺度不变特征变换 (SIFT) 算法在特征提取过程中运算量过大、非主要特征数据冗余、匹配率低等问题, 提出一种基于SIFT稀疏深度信念网络算法模型.首先使用SIFT算法提取人脸特征, 然后利用局部方差相似性优化稀疏编码, 对提取的特征向量进行稀疏表示, 最后采用无监督逐层训练, 并用有监督的BP网络进行微调, 深度信念网络进行分类, 识别人脸图像, 实现网络的自学习和自优化.将该算法应用到FERET人脸库上, 实验结果表明, 在光照、模糊、旋转、姿态等因素的影响下, 有效地提高了人脸识别效果以及匹配速率.
尺度不变特征变换、稀疏编码、局部方差相似性、深度信念网络、人脸识别
38
TP391(计算技术、计算机技术)
2019-05-31(万方平台首次上网日期,不代表论文的发表时间)
共5页
88-92