深度学习模型与成对分类相结合的人脸识别新算法

摘要：

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。

关键词：人脸识别、深度学习、深度信念网络、成对BP神经网络

所属期刊栏目：7

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金青年科学基金资助项目61503127

在线出版日期：2016-10-14（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：68-73