一种改进的人脸识别CNN结构研究

• 作者: 向灿群 张国云 欧先锋 罗百通 郭龙源
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 人脸识别 卷积神经网络 孪生网络 差异深度度量学习(DDML) 深度学习
• 年，卷（期）: 2017,（17）
• 所属期刊栏目: 图形图像处理
• 页码范围: 180-185,191
• 页数: 7页
• 分类号: TP391.4
• 字数: 4333字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1612-0136

摘要

为了克服人脸识别中存在光照、姿态、颜色等噪声的干扰,融合了卷积神经网络与孪生神经网络的优点,提出了一种改进的CNN网络结构,该结构由两个卷积神经网络组成,且共享网络权值,在该结构的训练中采用了差异深度度量学习(DDML)算法.卷积结构有效地去除外界噪声干扰,且在非线性降维中权值共享结构能够自动提取相同特征,DDML算法增加了提取特征的有效性.在ORL、YaleB和AR人脸数据库上实验结果表明,与PCA、CNN等算法相比,识别稳定度高,识别率提升近5个百分点.