基于改进LeNet-5的人脸识别研究

• 作者: 周官皓 孙海洋
• 来源期刊: 智能计算机与应用
• 学科: 工学
• 关键词: 卷积神经网络 深度学习 人脸识别
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 学术研究与应用
• 页码范围: 75-79
• 页数: 5页
• 分类号: TP391
• 字数: 3040字
• 语种: 中文

摘要

近些年来,深度学习逐渐走人大众视野,并在譬如语音识别、人脸检测等方面发挥着举足轻重的作用.本文利用深度学习的优势,根据学术界的发展,使用Tensorflow在LeNet-5的基础上,创新地将2个卷积层的卷积核数目增长到15与20个,并且增加了批归一化与Dropout两种模型处理手段,减少过拟合的出现,提升模型泛化程度.实验结果从测试准确率来分析,结果表明增加了批归一化与Dropout的效果最好,单一地增加二者之一对精度损失微乎其微;验证了改进后的LeNet-5模型对校园内单一年龄段的人脸识别有着良好的效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙海洋	南京大学金陵学院	18	31	4.0	5.0
2	周官皓	南京大学金陵学院	1	0	0.0	0.0