基于卷积神经网络特征融合的人脸识别算法

• 作者: 唐洋 张健 张轶秋 王卫民
• 来源期刊: 计算机与数字工程
• 学科: 工学
• 关键词: 人脸识别 特征融合 深度学习 阈值计算
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 信息融合
• 页码范围: 88-92,105
• 页数: 6页
• 分类号: TP391.41
• 字数: 3335字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9722.2020.01.017

摘要

为提高卷积神经网络的识别性能,提出了一种基于多种卷积神经网络模型的特征融合方法.论文通过构建一个深度学习网络,将多种卷积神经网络模型如ResNet、InceptionV3和VGG19提取的特征进行融合,并将融合后的特征应用到人脸识别中,据此训练出特征融合网络模型的网络参数;最后利用计算求出的阈值来区分类别.实验结果表明,在人脸库LFW数据集上,论文算法的人脸识别率可达98％;与现有的单一卷积神经网络相比,论文算法识别率更高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张健	江苏科技大学计算机学院	112	484	12.0	16.0
2	王卫民	江苏科技大学计算机学院	21	71	4.0	8.0
3	唐洋	江苏科技大学计算机学院	3	1	1.0	1.0
4	张轶秋	江苏科技大学计算机学院	2	1	1.0	1.0