基于KL距离的卷积神经网络人脸特征提取模型

• 作者: 周安众 罗可
• 来源期刊: 长沙理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 人脸识别 人脸验证 特征提取 KL距离 度量学习 卷积神经网络
• 年，卷（期）: 2017,（2）
• 所属期刊栏目: 计算机与信息工程
• 页码范围: 85-91
• 页数: 7页
• 分类号: TP301
• 字数: 4259字
• 语种: 中文

摘要

为了克服欧式距离的度量方法在人脸特征表达上的不足,提出了一种基于KL距离的卷积神经网络人脸特征提取模型.通过卷积神经网络将输入样本转换为一个概率分布,利用KL距离度量不同样本之间概率分布的差异,并定义了一个代价函数对此距离进行优化,最后使用反向传播算法修改卷积神经网络的参数,使网络对人脸特征有更强的区分能力.将提取的特征向量通过神经网络分类器进行人脸验证,在YouTube等人脸库上进行了测试.试验结果表明,该方法不仅能提高正确率,而且还具有更好的泛化性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	罗可	长沙理工大学计算机与通信工程学院	92	1085	16.0	28.0
2	周安众	长沙理工大学计算机与通信工程学院	4	18	3.0	4.0