伴隨人工智能和深度學(xué)習(xí)的日益壯大,人臉識別逐漸地在多個行業(yè)和領(lǐng)域得到擴張�；诰矸e神經(jīng)網(wǎng)絡(luò)的人臉識別技術(shù)被廣泛地應(yīng)用于安防、商業(yè)、金融、娛樂領(lǐng)域;與傳統(tǒng)人臉識別方法相比,既能夠自動提取圖像特征,其模型還可以自動學(xué)習(xí)而得到較高的識別率。該方法根據(jù)訓(xùn)練數(shù)據(jù)集大小來設(shè)計適合的網(wǎng)絡(luò)結(jié)構(gòu),其中最核心的技術(shù)是對超參數(shù)的調(diào)試。本文對AlexNet網(wǎng)絡(luò)結(jié)構(gòu)進行改進和優(yōu)化,提高訓(xùn)練效率和穩(wěn)定性。主要研究內(nèi)容如下:(1)卷積神經(jīng)網(wǎng)絡(luò)是一種深層次并且稀疏的傳統(tǒng)人工神經(jīng)網(wǎng)絡(luò)。從而本文首先分析了傳統(tǒng)人工神經(jīng)網(wǎng)絡(luò)的模型結(jié)構(gòu)、前向和反向傳播算法;然后對其卷積層、激勵層、池化層和全連接層進行闡述;再用數(shù)學(xué)公式對其正向傳播、反向傳播過程進行了推導(dǎo);接著對其訓(xùn)練過程進行了說明;最后簡要介紹梯度下降算法。(2)人臉圖像的預(yù)處理包括人臉圖像檢測、人臉圖像裁剪、人臉圖像標(biāo)準化、分類標(biāo)記、轉(zhuǎn)換數(shù)據(jù)、作訓(xùn)練集平均值文件等,并基于機器視覺庫OpenCV的特征臉、線性判別分析、局部二值模式直方圖等人臉識別的算法進行了實現(xiàn)。(3)對AlexNet網(wǎng)絡(luò)在人臉識別中存在的損失梯度下降的慢,識別率梯度上升的慢,穩(wěn)定性差的問題,提出了基于改進和... 

【文章來源】：沈陽工業(yè)大學(xué)遼寧省

【文章頁數(shù)】：87 頁

【學(xué)位級別】：碩士

【部分圖文】：

ReLu函數(shù)Fig.2.5ReLufunction

第 3 章 基于深度網(wǎng)絡(luò)的人臉識別方法首先對人臉數(shù)據(jù)集簡要剖析。然后對 OpenCV 中的人臉識別算 AlexNet 網(wǎng)絡(luò)結(jié)構(gòu)分析和改進，以減少參數(shù)數(shù)量，降低對 GP最后，對改進結(jié)構(gòu)進行深度學(xué)習(xí)，分析其在人臉識別領(lǐng)域的應(yīng)佳的訓(xùn)練模型。數(shù)據(jù)集用到的人臉數(shù)據(jù)庫包括 ORL、GT、Essex（Faces95）等。）ORL 數(shù)據(jù)集：共有 40 個不同年齡、不同性別和不同種族的0 副灰度圖像，共計 400 副灰度圖像，圖像尺寸是 92*112 像素變化，如笑與不笑、眼睛睜與不睜、眼鏡戴與不戴等，是目前準數(shù)據(jù)庫。如圖 3.1 所示是 ORL 人臉數(shù)據(jù)庫的樣例。

0 副灰度圖像，共計 400 副灰度圖像，圖像尺寸是 92*112 像素變化，如笑與不笑、眼睛睜與不睜、眼鏡戴與不戴等，是目前準數(shù)據(jù)庫。如圖 3.1 所示是 ORL 人臉數(shù)據(jù)庫的樣例。圖 3.1 ORL 人臉數(shù)據(jù)庫樣例Fig. 3.1 ORL face database sample）GT 數(shù)據(jù)集：包含 50 個人，每人 15 張不同角度、不同表情的 640*480，特點是數(shù)據(jù)量比較多，每個人的圖像信息豐富多變T 人臉數(shù)據(jù)庫的樣例。


本文編號：2899059