基于改进的卷积神经网络的人脸识别算法

• 作者: 董洛丞 陈张平
• 来源期刊: 杭州电子科技大学学报（自然科学版）
• 关键词: 人脸识别 深度学习 卷积神经网络 Dropout技术
• 年，卷（期）: 2018,（5）
• 页码范围: 55-59,97
• 页数: 6页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.13954/j.cnki.hdu.2018.05.011

摘要

光照、表情变化等复杂环境下,传统人脸识别算法的性能下降较大,为此,提出一种基于LeNet-5改进的多层卷积神经网络人脸识别算法.首先,通过卷积层和池化层的融合来自动提取人脸特征并进行分类,然后,采用随机梯度下降法训练网络,使用Softmax分类器对人脸进行识别.在全连接层中采用"Dropout"方法减少训练过程中存在的过拟合问题.实验结果表明,提出的方法在A R人脸库上的识别率达到了98.65％,优于传统人脸识别方法,其训练速度也明显快于普通的卷积神经网络,验证了改进方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈张平	杭州电子科技大学自动化学院	11	28	3.0	4.0
2	董洛丞	杭州电子科技大学自动化学院	1	3	1.0	1.0