基于卷积神经网络的人脸识别算法

• 作者: 李辉 石波
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 深度学习 卷积神经网络 稀疏自编码器 人脸识别 非监督预训练
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 算法与语言
• 页码范围: 26-29
• 页数: 4页
• 分类号: TP312
• 字数: 3774字
• 语种: 中文
• DOI: 10.11907/rjdk.162621

摘要

针对卷积神经网络(Convolutional Neural Network,CNN)在人脸图像识别中面对训练规模较大的图像集数据时收敛速度慢、效率低以及在复杂情况下识别率不高的问题,提出一种优化改进的CNN图像识别方法.该方法首先利用不含标签的图像训练一个稀疏自动编码器,得到符合数据集特性、有较好初始值的滤波器集合,然后对CNN的卷积核初始化赋值,从而大大提高其整体上使用BP算法进行训练的收敛速度,其次使用多类别SVM分类器(Multiclass Support Vector Machine)代替传统的Softmax分类器,对目标图像进行识别,在ORL和FERET等人脸图像库上的实验结果显示,所提算法与采用传统PCA+SVM算法及传统CNN算法相比,在人脸图像识别中有更好的识别效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李辉	河南理工大学物理与电子信息学院	70	285	9.0	12.0
2	石波	河南理工大学电气工程与自动化学院	1	14	1.0	1.0