卷积神经网络用于人脸特征提取

摘要：

卷积神经网络作为深度学习的代表结构之一,在特征提取方面相较于传统方法具有更强的特征学习与特征表达能力.文中基于卷积神经网络在图像特征提取方面的优点,提出一种用于人脸特征提取的卷积神经网络模型.该模型以AR人脸数据集为实验数据,利用不同卷积层和LBP方法分别对人脸进行特征提取,并对提取特征进行分析;然后使用支持向量机SVM对提取特征进行预测分类,分析采用不同方法提取特征对分类结果的影响.实验结果表明,卷积神经网络提取特征分类准确率高于LBP方法,且第2卷积层准确率最高达到73.8％.在严格限定拍摄角度和光照的情况下,所提出的模型能够提取人脸深层特征,且人脸图像特征在表达性方面优于传统LBP方法,可为构建人脸数学模型提供参考价值.

关键词：深度学习、卷积神经网络、人脸识别、特征选择、特征提取、图像分类、支持向量机

所属期刊栏目：45

分类号：TN926⁃34

资助基金：人工智能四川省重点实验室基金项目;四川轻化工大学人才引进项目;人工智能四川省重点实验室基金项目;四川轻化工大学人才引进项目

在线出版日期：2022-09-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：182-186