基于深度卷积自编码器的单样本人脸识别
单样本人脸识别问题是人脸识别问题中的难点问题,由于样本数少,现有的人脸识别算法在处理单样本人脸识别问题时,识别效果会显著降低.本文提出一种基于深度卷积自编码器的单样本人脸识别算法.算法采用深度卷积自编码器将多样本个体的类内变化迁移至单样本个体,重构出单样本个体包含类内变化的新图像,从而提高识别率.算法在公共测试库上进行了测试,实验结果表明,该算法能够重构出单样本个体包含其他类内变化的人脸图像,同时,识别率优于原图的识别率.
人脸识别算法、识别率、类内变化、人脸图像、识别问题、多样本、变化迁移、难点问题、测试库、实验结果
TP391.41;TN912.34;TP181
2020-09-11（万方平台首次上网日期，不代表论文的发表时间）
共2页
49-50
