10.13524/j.2095-008x.2016.03.044
深度学习模型与成对分类相结合的人脸识别新算法
针对深度学习人脸识别系统样本数据中存在干扰时会腐化分类边界,导致识别率下降,提出了一种改进的深度学习模型,将成对分类概念引入到深度学习中,提升人脸识别系统对于噪声、腐化、变化的鲁棒性。采用深度信念网络模型,将人脸图像送入深度学习模型中逐层训练网络,在参数微调阶段采用改进的成对BP神经网络进行参数优化,在输出层与前一隐含层之间采用成对连接。在ORL、 Extended Yale-B的实验结果表明,所提算法与传统的深度学习算法相比,构造的系统更稳定,算法识别率更高,系统在存在干扰的人脸图像中鲁棒性更强。
人脸识别、深度学习、深度信念网络、成对BP神经网络
7
TP391.41(计算技术、计算机技术)
国家自然科学基金青年科学基金资助项目61503127
2016-10-14(万方平台首次上网日期,不代表论文的发表时间)
共6页
68-73