基于深度学习的人脸识别
人脸识别是图像领域的经典问题.为解决目前人脸识别中普遍存在的识别精度不高、特征点估计较为粗糙等问题,提出一种基于ResNet卷积神经网络(R-CNN)的人脸识别方法.该方法利用人脸特征探测器有效地提取了人脸特征,同时将R-CNN用于二维人脸识别,建立了人脸识别模型.实验采集了 400张目标脸图片,并将其与人脸库中的1 000张样本进行混合.R-CNN模型共训练了 130轮,能在摄像头中识别目标脸.在训练了 80轮之后,模型准确率达到了 90%以上,识别效果较好.相较于传统的人脸识别方法,该方法结合了深度学习方法,具有较高的识别率.
人脸识别、深度学习、卷积神经网络、特征点估计、人脸检测
29
TP317.4;A(计算技术、计算机技术)
辽宁省高等学校科研项目LJKZ0332
2022-06-30(万方平台首次上网日期,不代表论文的发表时间)
共5页
738-742