高校的學(xué)生課堂考勤嚴(yán)重?cái)D占了課堂時(shí)間,考場身份核驗(yàn)增加了監(jiān)考人員的工作量,且效率低下。隨著人工智能技術(shù)的研究與技術(shù)應(yīng)用領(lǐng)域的推廣,不同領(lǐng)域遇到的問題都嘗試著采用人工智能方法來解決,尤其在計(jì)算機(jī)視覺方向上,因?yàn)榫矸e神經(jīng)網(wǎng)絡(luò)具有強(qiáng)大的計(jì)算能力與非線性自主學(xué)習(xí)特征的特性,所以被廣泛應(yīng)用在現(xiàn)實(shí)場景的目標(biāo)識別與驗(yàn)證工作中。因此,為了達(dá)到節(jié)省大量的人力、物力與提升工作效率的目的,本文采用深度學(xué)習(xí)方法解決課堂場景的人臉匹配問題。本文根據(jù)深度學(xué)習(xí)理論,設(shè)計(jì)了基于課堂場景數(shù)據(jù)的人臉圖像分類算法,算法的設(shè)計(jì)思路主要從人臉圖像預(yù)處理、人臉圖像分類算法研究和實(shí)驗(yàn)分析三個(gè)部分闡述。首先,從教室采集大場景圖像,使用人臉檢測算法抓取人臉圖像,將被捕獲的圖像分類,制作成實(shí)驗(yàn)圖像數(shù)據(jù)集。針對現(xiàn)實(shí)場景的圖像樣本質(zhì)量較差的問題,本文使用直方圖均衡與銳化增強(qiáng)算法處理人臉圖像,過濾環(huán)境因素帶來的影響并且有效地突出圖像中的人臉信息。為了使模型更專注在規(guī)范區(qū)域?qū)W習(xí)判別特征,進(jìn)行了人臉對齊。其次,本文重點(diǎn)設(shè)計(jì)了人臉圖像分類算法,本算法由分類模型與分類器Softmax組成,其中設(shè)計(jì)了三個(gè)模型結(jié)構(gòu):輕量級的卷積網(wǎng)絡(luò)模型、基于Shortc... 

【文章來源】：東華大學(xué)上海市 211工程院校 教育部直屬院校

【文章頁數(shù)】：73 頁

【學(xué)位級別】：碩士

【部分圖文】：

人臉圖像分類算法主要過程

深度學(xué)習(xí)理論框架

卷積操作池化（Pooling）

【參考文獻(xiàn)】：
期刊論文
[1]一種交替變換更新層數(shù)的DBN-DNN快速訓(xùn)練方法[J]. 李軒,李春升.  計(jì)算機(jī)應(yīng)用研究. 2016(03)
[2]受限波爾茲曼機(jī)[J]. 張春霞,姬楠楠,王冠偉.  工程數(shù)學(xué)學(xué)報(bào). 2015(02)



本文編號：3085512