引入感知模型的改进孪生卷积神经网络实现人脸识别算法研究

• 作者: 夏振 张丽 徐先峰 郎彬
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: 人脸识别 孪生卷积神经网络 感知模型 循环学习率
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 学术论文
• 页码范围: 643-647
• 页数: 5页
• 分类号: TP391.41
• 字数: 3953字
• 语种: 中文
• DOI: 10.3969/j.issn.0372-2112.2020.04.004

摘要

针对非限定性条件下人脸识别困难问题,设计了一种引入感知模型的改进孪生卷积神经网络结构(In-ception Module Incorporated Siamese Convolutional Neural Networks,IMISCNN),在充分利用孪生结构有效减少外界干扰并避免过拟合等优点的基础上,为其增加感知模型实现更丰富特征的提取.为寻找最优学习率引入了循环学习率策略,加速模型收敛.在CASIA-webface和Extended Yale B标准人脸数据库上的仿真实验表明,所提IMISCNN算法提升了人脸识别精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐先峰	长安大学电子与控制工程学院	21	77	5.0	8.0
2	张丽	长安大学电子与控制工程学院	6	40	2.0	6.0
3	郎彬	长安大学电子与控制工程学院	2	0	0.0	0.0
4	夏振	长安大学电子与控制工程学院	1	0	0.0	0.0