新型LeNet-FC卷积神经网络模型算法的研究

摘要：

针对已有的卷积神经网络(Convolutional Neural Network,CNN)在人脸识别训练中出现过拟合、收敛速度慢以及识别准确率不高的问题,提出了新型的LeNet-FC卷积神经网络模型.通过增加网络层、缩小卷积核等结构改进以及采用优化的对数—修正线性单元(Logarithmic Rectified Linear Unit,L_ReLU)激活函数,该模型在人脸识别训练的准确率达到了99.85％.同时基于LeNet-FC卷积神经网络模型设计了一个人脸识别系统.该系统在ORL人脸库的仿真测试实验中识别准确率达到了96％.

关键词：人工智能、人脸识别、卷积神经网络、结构改进、激活函数优化

所属期刊栏目：55

分类号：TP183(自动化基础理论)

资助基金：湖南省教育厅科研项目16C0040

在线出版日期：2019-04-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：105-111