基于深度信念网络的非限制性人脸识别算法研究

• 作者: 刘文波 赵一中
• 来源期刊: 计量学报
• 学科: 工学
• 关键词: 计量学 人脸识别 深度信念网络 深度学习 小样本
• 年，卷（期）: 2017,（1）
• 页码范围: 65-68
• 页数: 4页
• 分类号: TB96
• 字数: 2642字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-1158.2017.01.14

摘要

针对非限制性条件下的人脸识别存在自由度高、干扰因素复杂等技术难点,引入深度学习理论,提出了一种基于深度信念网络(DBNs)的非限制性人脸识别算法模型.基于相对熵稀疏性限制和dropout机制等方法,设计了优化算法.针对实际使用场合中样本量不足的问题,提出了一种混合DBNs模型,该模型采用CNNs深度卷积网络生成训练DBNs所需的模拟样本.标准人脸库下的实验结果表明,DBNs模型的平均识别率为97.0％,混合DBNs模型的平均识别率为90.3％,满足实际使用需求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘文波	南京航空航天大学自动化学院	102	951	15.0	27.0
2	赵一中	南京航空航天大学自动化学院	4	20	3.0	4.0