多层特征融合的PCANet及其在人脸识别中的应用

摘要：

主成分分析网络(PCANet)是一种简单的深度学习网络模型,在图像识别领域具有很强的应用潜力.本文在PCANet的基础上,通过对PCANet结构进行分析,构造了一种基于多层特征融合的PCANet(PCANet_dense)网络模型.与单纯地只将前一层网络输出作为后一层网络输入的PCANet不同,PCANet_dense利用了不同层的特征信息.在2层网络结构中,它首先将原始图像特征和第1层网络的输出进行级联,然后将级联后的结果作为第2层网络的输入.而在3层网络结构中,它则将第1层和第2层网络的输出级联起来,作为第3层网络的输入.由于PCANet_dense在训练每一层(除了第1层)时使用了更多信息,因此能够获得比原PCANet更好的效果.为了验证所提方法的有效性,本文使用CMU PIE数据集构建网络模型,并在ORL、AR和Extended Yale B 3个公开人脸数据集上对所提出方法的性能进行了测试,实验结果表明,本文提出的PCANet_dense获得了比PCANet更好的性能.

关键词：人脸识别;主成分分析网络;密集网络;特征融合;多层特征融合的PCANet

所属期刊栏目：44

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金项目61703206

在线出版日期：2021-09-08（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：127-133