10.13774/j.cnki.kjtb.2019.07.034
基于改进卷积神经网络的人脸识别算法
针对经典人脸识别卷积神经网络(CNN)结构中因网络层次设计过深导致计算量大且训练耗时长的问题,设计一种改进的卷积神经网络结构,该结构由3个卷积层、3个池化层、1个全连接层和1个分类层组成.利用Softmav回归算法进行人脸分类识别,卷积神经网络在输出层利用改进的Softmax进行分类.实验结果表明:在AR人脸库上,所述方法的识别率接近100%,优于传统人脸识别方法,其训练速度也明显快于普通的卷积神经网络,验证了改进方法的有效性.
人脸识别、卷积神经网络、分类器、识别率
35
TP183(自动化基础理论)
2019-09-05(万方平台首次上网日期,不代表论文的发表时间)
共4页
174-177