基于优化的并行AlexNet人脸特征点检测算法

• 作者: 姚剑敏 陈东敏
• 来源期刊: 信息技术与网络安全
• 学科: 工学
• 关键词: 深度学习 并行神经网络 人脸特征点定位 批归一化
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 人工智能
• 页码范围: 65-70
• 页数: 6页
• 分类号: TP391.4
• 字数: 3731字
• 语种: 中文
• DOI: 10.19358/j.issn.2096-5133.2018.04.015

摘要

基于深度学习的人脸特征点检测会因环境明亮程度、人体姿态、人脸表情等因素影响检测结果的鲁棒性.采用基于优化的并行卷积神经网络模型,将人脸图像切分为3个互有重叠且各带一个颜色通道的子图像,对应3个不同的模型,将模型结果加权平均,得到人脸特征点坐标.其中模型均采用AlexNet模型,针对子图像尺寸特征修改卷积核尺寸以及输出特征图数量,并引入批归一化层,归一化隐藏层中激活函数的输出值,降低误差的同时减少迭代次数.最后在LFW人脸数据集上进行验证,结果表明,优化的算法准确率达到99％以上,迭代次数减少约4000次,误差降低了44.57％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	姚剑敏	福州大学物理与信息工程学院	86	238	8.0	10.0
2	陈东敏	福州大学物理与信息工程学院	1	10	1.0	1.0