基于深度学习的人脸识别算法分析

本文提出的构建深度神经网络的方法能够识别训练集中没有身份的表情信息,是由于深度神经网络的深度抽象特征表示方法对来自身份的大的噪声信息有一定的过滤效果。深度学习是目前机器学习的热点,因为其对特征的独有表达形式,解决了许多传统方法难以解决的问题,但是深度学习也面临着很多难点,致使其难以普及,例如:面临复杂问题时,需要模型有较强的表达能力,这也意味着参数数量的增加,而参数的增加致使训练到收敛的时间成指数上升,深度神经网络的层数、中间层神经元数量的设置也有赖于经验和实验,鲜有相关规律或结束语的研究成果,这也是需努力研究的地方,另外,深度学习在对于时序信息处理的研究还处于起步阶段,在CNN取得令人瞩目的成就之后,才逐步获得重视,例如RNN、LSTM等网络架构才重新成为热门研究领域,这方面的研究目前还仅限于文本或文本与图像结合的领域,例如从图像内容理解到文本翻译是目前的一个热门话题。