基于卷积神经网络的人脸识别

• 作者: 官钰翔 朱霞 杨玉涟 沈毅 陈豪
• 来源期刊: 电子测试
• 关键词: 卷积神经网络 人脸识别 深度学习
• 年，卷（期）: 2020,（21）
• 所属期刊栏目: 理论与算法
• 页码范围: 60-61,99
• 页数: 3页
• 语种: 中文

摘要

随着科技的发展人脸识别技术得到了巨大的应用,实现人脸识别的方法也越来越多,本文先简单对比了MLP、RNN、CNN这三个神经网络,然后再对CNN的基础结构进行了一个较为详细的介绍,主要通过对LeNet-5卷积神经网络模型结构的分析来了解卷积神经网络,然后设计了一款针对Olivetti Faces人脸数据库的卷积神经网络模型,通过更改卷积层中卷积核个数以及学习速率来进行一系列实验,最终确定在本次实验当中,当学习速率为0.05时,第一层卷积层卷积核数目为20,第二层卷积层数目为40的时候,能够得到一个针对Olivetti Faces人脸数据库有着较高识别率的一个新的卷积神经网络模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱霞		6	1	1.0	1.0
2	官钰翔		2	0	0.0	0.0
3	杨玉涟		1	0	0.0	0.0
4	沈毅		1	0	0.0	0.0
5	陈豪		1	0	0.0	0.0