一种改进的人脸识别CNN结构研究

被引：37

作者：

张国云 ^{[1
,2
]}

向灿群 ^{[1
,2
]}

罗百通 ^{[1
,2
]}

郭龙源 ^{[1
,2
]}

欧先锋 ^{[1
,2
]}

机构：

[1] 湖南理工学院信息与通信工程学院

[2] 湖南理工学院复杂系统优化与控制湖南省普通高等学校重点实验室

来源：

计算机工程与应用 | 2017年 / 17期

关键词：

人脸识别; 卷积神经网络; 孪生网络; 差异深度度量学习(DDML); 深度学习;

D O I：

暂无

中图分类号：

TP18 [人工智能理论]; TP391.41 [];

学科分类号：

140502 [人工智能];

摘要：

为了克服人脸识别中存在光照、姿态、颜色等噪声的干扰,融合了卷积神经网络与孪生神经网络的优点,提出了一种改进的CNN网络结构,该结构由两个卷积神经网络组成,且共享网络权值,在该结构的训练中采用了差异深度度量学习(DDML)算法。卷积结构有效地去除外界噪声干扰,且在非线性降维中权值共享结构能够自动提取相同特征,DDML算法增加了提取特征的有效性。在ORL、Yale B和AR人脸数据库上实验结果表明,与PCA、CNN等算法相比,识别稳定度高,识别率提升近5个百分点。

引用

页码：180 / 185+191 +191

页数：7

共 15 条

[1]

基于卷积神经网络的人脸识别方法 [J].