DTCNN的人脸识别算法的Map-Reduce并行化实现研究

被引：4

作者：

郭礼华 ^{[1
]}

牛新亚 ^{[1
]}

马军 ^{[2
]}

刘彦能 ^{[2
]}

机构：

[1] 华南理工大学电子与信息学院

[2] 广东创能科技有限公司

来源：

系统工程理论与实践 | 2014年 / 34(S1)卷 / S1期

基金：

广东省科技计划;

关键词：

深度平铺卷积神经网络; Map-Reduce; 人脸识别; 特征学习;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

传统人脸识别算法都采用基于特征提取的解决方案,所以有效的特征需要很强的先验知识和丰富的工程经验.本文引入深度平铺卷积神经网络(deep tiled convolutional neural networks,DTCNN),利用深度平铺卷积神经网络的特征学习能力来实现人脸识别,可是由于深度平铺卷积神经网络的运算复杂度高,并且在处理海量数据时会出现训练时间过长,内存占用大等问题.为此本文提出一种Map-Reduce并行化的DTCNN算法.实验表明,深度平铺卷积神经网络能够获得比传统经典人脸识别更好的性能,而Map-Reduce的引入又极大地减少了大数据集下的系统训练时间.

引用

页码：283 / 286

页数：4

共 4 条

[1] 特征选择模糊加权多通道Gabor人脸识别 [J].

李文辉 ;

高璐 ;

林逸峰 ;

傅博 ;

王莹 .

湖南大学学报(自然科学版), 2013, 40 (04) :87-93

[2] 基于低分辨率局部二值模式的人脸识别 [J].

戴金波 ;

肖霄 ;

赵宏伟 .

吉林大学学报(工学版) , 2013, (02) :435-438

[3] PHOG特征与聚类特征选择的笑脸识别方法 [J].

郭礼华 ;

白洋 ;

金连文 .

模式识别与人工智能, 2012, 25 (01) :23-28

[4]

Rapid Object Detection using a Boosted Cascade of Simple Features .2 Viola Paul,Jones Michael. Proceedings of IEEE Conference on Computer Vision and Pattern Recognition . 2001

← 1 →