10.16208/j.issn10000-7024.2017.08.047
基于改进的深度卷积神经网络的人脸识别
针对传统结构的深度卷积神经网络对非约束条件下的人脸识别性能较差等问题,受到人对图像识别时多尺度多特征融合的启发,提出一种基于多卷积多尺度特征的人脸识别方法.对输入的图片使用两个相对独立不同粒度的子卷积网络进行特征提取;对于模型的对象分类,采用来自不同特征提取单层的特征提取结果,在YouTube和AR等两个人脸库上对所提方法进行实验.实验结果表明,与传统结构系统相比,改进结构后,系统的识别率有了明显提高,为传统的CNN模型层数过深时,特征来源受限提供了一种解决思路.
人脸识别、卷积神经网络、多粒度、特征提取、非约束条件
38
TP391.41(计算技术、计算机技术)
国家自然科学基金项目61572142;广东省自然科学基金项目20138021600013
2017-10-30(万方平台首次上网日期,不代表论文的发表时间)
共5页
2246-2250