深度学习模型与成对分类相结合的人脸识别新算法

• 作者: 沈永良 胡月
• 来源期刊: 黑龙江大学工程学报
• 学科: 工学
• 关键词: 人脸识别 深度学习 深度信念网络 成对BP神经网络
• 年，卷（期）: 2016,（3）
• 所属期刊栏目: 电子工程与计算机科学
• 页码范围: 68-73
• 页数: 6页
• 分类号: TP391.41
• 字数: 3865字
• 语种: 中文
• DOI: 10.13524/j.2095-008x.2016.03.044

摘要

针对深度学习人脸识别系统样本数据中存在干扰时会腐化分类边界，导致识别率下降，提出了一种改进的深度学习模型，将成对分类概念引入到深度学习中，提升人脸识别系统对于噪声、腐化、变化的鲁棒性。采用深度信念网络模型，将人脸图像送入深度学习模型中逐层训练网络，在参数微调阶段采用改进的成对BP神经网络进行参数优化，在输出层与前一隐含层之间采用成对连接。在ORL、 Extended Yale-B的实验结果表明，所提算法与传统的深度学习算法相比，构造的系统更稳定，算法识别率更高，系统在存在干扰的人脸图像中鲁棒性更强。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	沈永良	黑龙江大学电子工程学院	23	176	5.0	13.0
2	胡月	黑龙江大学电子工程学院	2	10	2.0	2.0