自适应深度卷积神经网络在人脸识别上的应用

• 作者: 刘承建 沈长青 郭晓洁 陈良
• 来源期刊: 自动化技术与应用
• 学科: 工学
• 关键词: 卷积神经网络 人脸识别 自适应速率 动量修正 FERET数据集
• 年，卷（期）: 2017,（7）
• 所属期刊栏目: 模式识别与仿真
• 页码范围: 72-77
• 页数: 6页
• 分类号: TP391.4
• 字数: 4551字
• 语种: 中文

摘要

卷积神经网络作为一种可以自动提取样本特征的深度学习方法,与多种人脸识别方法相比具有更为可靠的识别精度.本文提出了一种自适应深度卷积神经网络算法,并将其应用于人脸识别系统.该算法在利用梯度下降法进行权值更新的同时,引入自适应的学习速率和积累动量,从而解决了学习速率选择困难的问题.本文将该算法与传统的卷积神经网络算法相对比,在FERET数据集上进行测试.实验结果表明,该算法加快了收敛过程,提高了识别的速率和精度.尤其当面对海量数据时,它避免了发生在其他深度学习方法中的梯度消失问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	沈长青	苏州大学机电工程学院	9	78	5.0	8.0
3	陈良	苏州大学机电工程学院	28	73	4.0	8.0
4	郭晓洁	苏州大学机电工程学院	3	15	2.0	3.0
7	刘承建		1	10	1.0	1.0