基于深度卷积稀疏自编码分层网络的人脸识别技术

• 作者: 王金平
• 来源期刊: 太原理工大学学报
• 关键词: 人脸识别 特征提取 稀疏自编码 卷积神经网络 SVM分类器 深度网络
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 信息与计算机科学
• 页码范围: 765-770
• 页数: 6页
• 分类号: TP391
• 语种: 中文
• DOI: 10.16355/j.cnki.issn1007-9432tyut.2018.05.018

摘要

面对海量人脸图像识别,传统特征提取方法难以提取有效特征,造成人脸识别准确率较低.提出了一种鲁棒的人脸特征提取算法,即利用深度卷积稀疏自编码网络自动学习人脸中丰富且识别力高的特征.该方法将卷积操作融入自编码网络中,同时加入稀疏化思想,从而形成深度卷积稀疏自编码分层网络(hierarchical deep convolution sparse autoencoder,HDCSAE);用该网络自动提取海量人脸图像的高层鲁棒特征,并将提取的特征作为SVM分类器的输入得到分类结果.在FERET人脸数据库下对该方法进行测试,识别率达到99.47％,比传统的基于提取人为定义特征的人脸识别方法的识别率有所提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王金平	太原理工大学科学技术研究院	64	238	8.0	12.0