本文關(guān)鍵詞：基于高波卷積神經(jīng)網(wǎng)絡(luò)的人臉識別方法研究

  更多相關(guān)文章： 人臉識別 深度學(xué)習(xí) 卷積神經(jīng)網(wǎng)絡(luò) Gabor濾波器 Dropout

【摘要】：人臉識別憑借其友好、直接、易于接受等特點(diǎn)在各項(xiàng)生物特征識別技術(shù)中脫穎而出,在實(shí)際工程中應(yīng)用越來越廣泛。經(jīng)過多年的發(fā)展,人臉識別技術(shù)取得了巨大的進(jìn)步,但是由于人臉的非剛性和各種客觀條件如光照、表情、姿態(tài)變化和遮擋的影響,自然場景下的人臉識別精度仍然有待于進(jìn)一步提高。目前,大多數(shù)人臉識別算法都是根據(jù)先驗(yàn)知識人工地提取人臉淺層特征,再進(jìn)行分類;深度學(xué)習(xí)則是借鑒人腦信息處理的分層級聯(lián)方式,可以自動(dòng)學(xué)習(xí)數(shù)據(jù)的深層特征以適應(yīng)復(fù)雜情況下的分類任務(wù),正逐漸成為模式識別領(lǐng)域的研究熱點(diǎn)。在諸多深度學(xué)習(xí)模型中,卷積神經(jīng)網(wǎng)絡(luò)是一個(gè)應(yīng)用局部感受野的多層感知器,對二維輸入圖形的平移、縮放和形變具有不變性,因而被廣泛地用于人臉識別。經(jīng)典的卷積神經(jīng)網(wǎng)絡(luò)都是基于大量樣本數(shù)據(jù)的學(xué)習(xí),但是在實(shí)際的人臉識別任務(wù)中,訓(xùn)練樣本數(shù)量很可能遠(yuǎn)小于卷積神經(jīng)網(wǎng)絡(luò)的待訓(xùn)練參數(shù)量,導(dǎo)致網(wǎng)絡(luò)訓(xùn)練不充分,容易出現(xiàn)過擬合;而且,卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練時(shí)間會(huì)隨著網(wǎng)絡(luò)深度和規(guī)模的增加變得十分漫長。為解決以上問題,同時(shí)考慮保留網(wǎng)絡(luò)的深度,本文提出一個(gè)用于人臉識別的高波卷積神經(jīng)網(wǎng)絡(luò)(Gabor Convolutional Neural Network,簡稱GCNN)。與經(jīng)典的卷積神經(jīng)網(wǎng)絡(luò)相比,GCNN在網(wǎng)絡(luò)結(jié)構(gòu)和學(xué)習(xí)算法方面進(jìn)行了如下改進(jìn):(1)用一系列匹配視覺皮層V1區(qū)簡單細(xì)胞濾波特性的Gabor濾波器取代第一個(gè)卷積層的卷積核進(jìn)行簡單特征的提取;(2)S2池化層對G1高波層經(jīng)相鄰尺度相同方向?yàn)V波得到的特征圖作最大值采樣;(3)根據(jù)先驗(yàn)知識,重構(gòu)了S2池化層和C3卷積層之間的連接關(guān)系;(4)在網(wǎng)絡(luò)訓(xùn)練時(shí),將Dropout技術(shù)引入至Mini-Batch隨機(jī)梯度下降法中,以增強(qiáng)網(wǎng)絡(luò)的泛化能力。為測試GCNN模型的性能,將其應(yīng)用于ORL、AR人臉庫中,進(jìn)行人臉識別。前三組實(shí)驗(yàn)分別對GCNN模型的權(quán)值初始化方式、S2池化層和C3卷積層之間的連接關(guān)系和全連接層神經(jīng)元個(gè)數(shù)設(shè)置對網(wǎng)絡(luò)識別性能的影響進(jìn)行深入研究。中間兩組實(shí)驗(yàn)是將特定網(wǎng)絡(luò)參數(shù)下的GCNN與其它常用人臉識別方法進(jìn)行對比,結(jié)果表明:與經(jīng)典卷積神經(jīng)網(wǎng)絡(luò)相比,GCNN在一定程度上提高了網(wǎng)絡(luò)的泛化能力,縮短了訓(xùn)練時(shí)間;與其他人臉識別算法相比,GCNN的人臉特征提取能力最優(yōu),識別率最高。最后一組實(shí)驗(yàn)對GCNN在自然場景下人臉識別任務(wù)的適應(yīng)性進(jìn)行驗(yàn)證。本論文研究對于人臉識別研究具有理論意義和應(yīng)用價(jià)值。
【學(xué)位授予單位】：東北師范大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.41;TP183

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 云中客;新的神經(jīng)網(wǎng)絡(luò)來自于仿生學(xué)[J];物理;2001年10期

2 唐春明,高協(xié)平;進(jìn)化神經(jīng)網(wǎng)絡(luò)的研究進(jìn)展[J];系統(tǒng)工程與電子技術(shù);2001年10期

3 李智;一種基于神經(jīng)網(wǎng)絡(luò)的煤炭調(diào)運(yùn)優(yōu)化方法[J];長沙鐵道學(xué)院學(xué)報(bào);2003年02期

4 程科,王士同,楊靜宇;新型模糊形態(tài)神經(jīng)網(wǎng)絡(luò)及其應(yīng)用研究[J];計(jì)算機(jī)工程與應(yīng)用;2004年21期

5 王凡,孟立凡;關(guān)于使用神經(jīng)網(wǎng)絡(luò)推定操作者疲勞的研究[J];人類工效學(xué);2004年03期

6 周麗暉;從統(tǒng)計(jì)角度看神經(jīng)網(wǎng)絡(luò)[J];統(tǒng)計(jì)教育;2005年06期

7 趙奇 ,劉開第 ,龐彥軍;灰色補(bǔ)償神經(jīng)網(wǎng)絡(luò)及其應(yīng)用研究[J];微計(jì)算機(jī)信息;2005年14期

8 袁婷;;神經(jīng)網(wǎng)絡(luò)在股票市場預(yù)測中的應(yīng)用[J];軟件導(dǎo)刊;2006年05期

9 尚晉;楊有;;從神經(jīng)網(wǎng)絡(luò)的過去談科學(xué)發(fā)展觀[J];重慶三峽學(xué)院學(xué)報(bào);2006年03期

10 楊鐘瑾;;神經(jīng)網(wǎng)絡(luò)的過去、現(xiàn)在和將來[J];青年探索;2006年04期

中國重要會(huì)議論文全文數(shù)據(jù)庫 前10條

1 徐春玉;;基于泛集的神經(jīng)網(wǎng)絡(luò)的混沌性[A];1996中國控制與決策學(xué)術(shù)年會(huì)論文集[C];1996年

2 周樹德;王巖;孫增圻;孫富春;;量子神經(jīng)網(wǎng)絡(luò)[A];2003年中國智能自動(dòng)化會(huì)議論文集（上冊）[C];2003年

3 羅山;張琳;范文新;;基于神經(jīng)網(wǎng)絡(luò)和簡單規(guī)劃的識別融合算法[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2009年

4 郭愛克;馬盡文;丁康;;序言(二)[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會(huì)議論文集[C];1999年

5 鐘義信;;知識論:神經(jīng)網(wǎng)絡(luò)的新機(jī)遇——紀(jì)念中國神經(jīng)網(wǎng)絡(luò)10周年[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會(huì)議論文集[C];1999年

6 許進(jìn);保錚;;神經(jīng)網(wǎng)絡(luò)與圖論[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會(huì)議論文集[C];1999年

7 金龍;朱詩武;趙成志;陳寧;;數(shù)值預(yù)報(bào)產(chǎn)品的神經(jīng)網(wǎng)絡(luò)釋用預(yù)報(bào)應(yīng)用[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會(huì)議論文集[C];1999年

8 田金亭;;神經(jīng)網(wǎng)絡(luò)在中學(xué)生創(chuàng)造力評估中的應(yīng)用[A];第十二屆全國心理學(xué)學(xué)術(shù)大會(huì)論文摘要集[C];2009年

9 唐墨;王科俊;;自發(fā)展神經(jīng)網(wǎng)絡(luò)的混沌特性研究[A];2009年中國智能自動(dòng)化會(huì)議論文集（第七分冊）[南京理工大學(xué)學(xué)報(bào)（增刊）][C];2009年

10 張廣遠(yuǎn);萬強(qiáng);曹海源;田方濤;;基于遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的故障診斷方法研究[A];第十二屆全國設(shè)備故障診斷學(xué)術(shù)會(huì)議論文集[C];2010年

中國重要報(bào)紙全文數(shù)據(jù)庫 前10條

1 美國明尼蘇達(dá)大學(xué)社會(huì)學(xué)博士 密西西比州立大學(xué)國家戰(zhàn)略規(guī)劃與分析研究中心資深助理研究員 陳心想;維護(hù)好創(chuàng)新的“神經(jīng)網(wǎng)絡(luò)硬件”[N];中國教師報(bào);2014年

2 盧業(yè)忠;腦控電腦 驚世駭俗[N];計(jì)算機(jī)世界;2001年

3 葛一鳴 路邊文;人工神經(jīng)網(wǎng)絡(luò)將大顯身手[N];中國紡織報(bào);2003年

4 中國科技大學(xué)計(jì)算機(jī)系　邢方亮;神經(jīng)網(wǎng)絡(luò)挑戰(zhàn)人類大腦[N];計(jì)算機(jī)世界;2003年

5 記者 孫剛;“神經(jīng)網(wǎng)絡(luò)”：打開復(fù)雜工藝“黑箱”[N];解放日報(bào);2007年

6 本報(bào)記者 劉霞;美用DNA制造出首個(gè)人造神經(jīng)網(wǎng)絡(luò)[N];科技日報(bào);2011年

7 健康時(shí)報(bào)特約記者　 張獻(xiàn)懷;干細(xì)胞移植：修復(fù)受損的神經(jīng)網(wǎng)絡(luò)[N];健康時(shí)報(bào);2006年

8 劉力;我半導(dǎo)體神經(jīng)網(wǎng)絡(luò)技術(shù)及應(yīng)用研究達(dá)國際先進(jìn)水平[N];中國電子報(bào);2001年

9 ;神經(jīng)網(wǎng)絡(luò)和模糊邏輯[N];世界金屬導(dǎo)報(bào);2002年

10 鄒麗梅 陳耀群;江蘇科大神經(jīng)網(wǎng)絡(luò)應(yīng)用研究通過鑒定[N];中國船舶報(bào);2006年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 楊旭華;神經(jīng)網(wǎng)絡(luò)及其在控制中的應(yīng)用研究[D];浙江大學(xué);2004年

2 李素芳;基于神經(jīng)網(wǎng)絡(luò)的無線通信算法研究[D];山東大學(xué);2015年

3 石艷超;憶阻神經(jīng)網(wǎng)絡(luò)的混沌性及幾類時(shí)滯神經(jīng)網(wǎng)絡(luò)的同步研究[D];電子科技大學(xué);2014年

4 王新迎;基于隨機(jī)映射神經(jīng)網(wǎng)絡(luò)的多元時(shí)間序列預(yù)測方法研究[D];大連理工大學(xué);2015年

5 付愛民;極速學(xué)習(xí)機(jī)的訓(xùn)練殘差、穩(wěn)定性及泛化能力研究[D];中國農(nóng)業(yè)大學(xué);2015年

6 李輝;基于粒計(jì)算的神經(jīng)網(wǎng)絡(luò)及集成方法研究[D];中國礦業(yè)大學(xué);2015年

7 王衛(wèi)蘋;復(fù)雜網(wǎng)絡(luò)幾類同步控制策略研究及穩(wěn)定性分析[D];北京郵電大學(xué);2015年

8 張海軍;基于云計(jì)算的神經(jīng)網(wǎng)絡(luò)并行實(shí)現(xiàn)及其學(xué)習(xí)方法研究[D];華南理工大學(xué);2015年

9 李艷晴;風(fēng)速時(shí)間序列預(yù)測算法研究[D];北京科技大學(xué);2016年

10 陳輝;多維超精密定位系統(tǒng)建模與控制關(guān)鍵技術(shù)研究[D];東南大學(xué);2015年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 陳少吉;基于神經(jīng)網(wǎng)絡(luò)血壓預(yù)測研究與系統(tǒng)實(shí)現(xiàn)[D];華南理工大學(xué);2015年

2 張韜;幾類時(shí)滯神經(jīng)網(wǎng)絡(luò)穩(wěn)定性分析[D];渤海大學(xué);2015年

3 邵雪瑩;幾類時(shí)滯不確定神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性分析[D];渤海大學(xué);2015年

4 胡婷;改進(jìn)QGA-BP模型及其在彌苴河總氮量預(yù)測中的應(yīng)用[D];昆明理工大學(xué);2015年

5 劉俊輝;基于數(shù)據(jù)清洗方法的河道水位預(yù)測研究[D];昆明理工大學(xué);2015年

6 劉波;短期風(fēng)電功率預(yù)測方法研究[D];南京信息工程大學(xué);2015年

7 蔡邦宇;人臉識別中單次ERP時(shí)空特征分析及其快速檢索的應(yīng)用[D];浙江大學(xué);2015年

8 鄭川;垃圾評論檢測算法的研究[D];西南交通大學(xué);2015年

9 李菊;BP神經(jīng)網(wǎng)絡(luò)在房地產(chǎn)批量評估中的應(yīng)用研究[D];昆明理工大學(xué);2015年

10 馬亮;降水點(diǎn)分類預(yù)測方法研究[D];中國地質(zhì)大學(xué)(北京);2015年

，

本文編號：1234172