基于改进深层网络的人脸识别算法

• 作者: 李倩玉 蒋建国 齐美彬
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: 人脸识别 改进的深层网络 卷积 池化 多层稀疏自动编码器
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 学术论文
• 页码范围: 619-625
• 页数: 7页
• 分类号: TP391
• 字数: 5593字
• 语种: 中文
• DOI: 10.3969/j.issn.0372-2112.2017.03.017

摘要

目前的人脸识别算法在其特征提取过程中采用手工设计(hand-crafted)特征或利用深度学习自动提取特征.本文提出一种基于改进深层网络自动提取特征的人脸识别算法,可以更准确地提取出目标的鉴别性特征.算法首先对图像进行ZCA(Zero-mean Component Analysis)白化等预处理,减小特征相关性,降低网络训练复杂度.然后,基于卷积、池化、多层稀疏自动编码器构建深层网络特征提取器.所使用的卷积核是通过单独的无监督学习获得的.此改进的深层网络通过预训练和微调,得到一个自动的深层特征提取器.最后,利用Softmax回归模型对提取的特征进行分类.本文算法在多个常用人脸库上进行了实验,表明了其在性能上比传统方法和普通深度学习方法都有所提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	齐美彬	合肥工业大学计算机与信息学院	134	1683	20.0	34.0
2	蒋建国	合肥工业大学计算机与信息学院	245	2905	27.0	39.0
3	李倩玉	合肥工业大学计算机与信息学院	6	52	2.0	6.0