基于PCANet-RF的人脸检测系统

• 作者: 张丹丹 李雷
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 人脸检测 卷积神经网络 随机森林 特征提取 主成分分析网络
• 年，卷（期）: 2016,（2）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 31-34
• 页数: 4页
• 分类号: TP391
• 字数: 3436字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2016.02.007

摘要

文中提出一种基于简化卷积神经网络的特征提取方法的人脸检测算法。图像的特征提取较为复杂，需要大量的预处理。深度学习减少了特征提取的工作量，卷积神经网络就是这方面应用的典型例子。但是，卷积神经网络参数训练时间过长，调参主要依靠实验人员的调参技巧，这大大降低了卷积神经网络应用的初衷。此外，卷积神经网络的分类能力较弱，分类效果并不好。综合以上两点，文中应用一种简化的深度学习方法PCANet(主成分分析网络)提取图像特征，降低对调参的要求，同时用RF(随机森林)对其进行后期分类，提高人脸识别分类效果。实验结果表明，提出的方法对人脸识别率可以达到99%，进一步证明了PCANet在特征提取方面的优越性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李雷	南京邮电大学非机构化数据计算理论与应用研究中心	82	539	12.0	18.0
2	张丹丹	南京邮电大学非机构化数据计算理论与应用研究中心	1	8	1.0	1.0