本文關鍵詞：門限玻爾茲曼機在人臉識別中的魯棒性研究，由筆耕文化傳播整理發(fā)布。

【摘要】：人臉信息作為生物特征中最重要的一種,具有極易獲取、多信息量、舒適感強、可靠性高的特點,愈來愈廣泛地被應用在需要身份識別的領域。然而,識別過程中存在很多影響因素,包括年齡、表情、發(fā)型、眼鏡、光照、角度、姿態(tài)等,給人臉識別技術帶來了巨大的挑戰(zhàn)。本文基于深度學習在圖像識別的相關理論,分析了深度學習的基本模型和方法,并在相關人臉數(shù)據(jù)集上實驗應用；并且提出了一種改進算法,具體工作內(nèi)容如下：(1)深入研究了玻爾茲曼機及其魯棒性較強的衍生結構：限制玻爾茲曼機(RBM),掀起深度學習浪潮的深度信念網(wǎng)絡(DBN),卷積限制玻爾茲曼機(CRBM),高斯玻爾茲曼機(Gaussian RBM),門限的玻爾茲曼機(Gated RBM)等模型結構與特點。(2)分析卷積神經(jīng)網(wǎng)絡(Convolutional Neural Networks,CNNs)的基本原理,訓練過程和模型結構。其中卷積層通過卷積運算,可以使原信號增強,并且降低噪聲,提高信噪比；降采樣對卷積層的圖像進行子抽樣,在保證了有用信息不降低的基礎上,減少數(shù)據(jù)處理量。(3)研究了以上深度學習模型結構與特點后,針對人臉識別中面臨的不可控因素問題,設計了卷積門限的玻爾茲曼機結構。詳細推導了卷積門限玻爾茲曼機模型的能量函數(shù)和推斷。文章中實驗針對提出的卷積門限玻爾茲曼機算法的訓練效果和在遮擋數(shù)據(jù)下進行測試。文中使用常見的人臉識別中具有魯棒性的算法與本文算法對比,經(jīng)過對比文中的降噪性能與識別性能較另外幾種算法優(yōu)秀。
【關鍵詞】：深度學習 不可控環(huán)境人臉識別 玻爾茲曼機 魯棒性
【學位授予單位】：北京交通大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TP391.41
【目錄】：

• 致謝5-6
• 摘要6-7
• ABSTRACT7-10
• 1 引言10-21
• 1.1 課題研究背景10-13
• 1.2 國內(nèi)外研究現(xiàn)狀13-18
• 1.2.1 國內(nèi)外人臉識別研究現(xiàn)狀13-15
• 1.2.2 國內(nèi)外深度學習方法研究現(xiàn)狀15-16
• 1.2.3 基于深度學習方法的生物特征識別應用的研究現(xiàn)狀16-18
• 1.3 課題研究主要內(nèi)容18-19
• 1.4 本文組織結構19-21
• 2 深度學習模型進展研究21-40
• 2.1 人工神經(jīng)網(wǎng)絡(ANN)21-25
• 2.1.1 單個神經(jīng)元21-22
• 2.1.2 神經(jīng)網(wǎng)絡模型22-24
• 2.1.3 前饋反向傳播算法24-25
• 2.2 常見深度學習模型25-30
• 2.2.1 卷積神經(jīng)網(wǎng)絡(CNNs)27-28
• 2.2.2 玻爾茲曼機(BM)28-30
• 2.3 玻爾茲曼機衍生模型30-39
• 2.3.1 限制玻爾茲曼機(RBM)30-34
• 2.3.2 深度信念網(wǎng)絡(DBN)34-35
• 2.3.3 卷積限制玻爾茲曼機(Convolutional RBM)35-37
• 2.3.4 高斯玻爾茲曼機(Gaussian-RBM)37-38
• 2.3.5 單一門限的玻爾茲曼機(Gated-RBM)38-39
• 2.4 本章小結39-40
• 3 卷積門限玻爾茲曼機40-45
• 3.1 門限玻爾茲曼機結構40-43
• 3.1.1 玻爾茲曼機模型總結40-41
• 3.1.2 門限玻爾茲曼機模型結構41-42
• 3.1.3 卷積門限玻爾茲曼機模型結構42-43
• 3.2 門限玻爾茲曼機模型參數(shù)調(diào)整43-44
• 3.3 本章小結44-45
• 4 實驗仿真及結果分析45-55
• 4.1 實驗仿真45-49
• 4.1.1 訓練效果45-47
• 4.1.2 去噪實驗效果47-49
• 4.2 識別實驗49-53
• 4.2.1 Yale人臉數(shù)據(jù)庫49-51
• 4.2.2 AR人臉數(shù)據(jù)庫51-52
• 4.2.3 Yale Extended B人臉數(shù)據(jù)庫52-53
• 4.3 調(diào)節(jié)參數(shù)總結53-54
• 4.4 本章小結54-55
• 5 總結與展望55-57
• 5.1 總結55
• 5.2 展望55-57
• 參考文獻57-61
• 作者簡歷及攻讀碩士學位期間取得的研究成果61-63
• 學位論文數(shù)據(jù)集63

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前3條

1 劉來福，唐志宇，匡錦瑜;向量玻爾茲曼機[J];北京師范大學學報(自然科學版);1996年04期

2 秦勝君;盧志平;;基于限制玻爾茲曼機的無極性標注情感分類研究[J];科學技術與工程;2013年35期

3 ;[J];;年期

中國碩士學位論文全文數(shù)據(jù)庫 前7條

1 李娟;基于RBM的小分子活性及選擇性研究[D];蘭州大學;2015年

2 葉睿;基于深度學習的人臉檢測方法研究[D];哈爾濱工業(yè)大學;2015年

3 張衛(wèi)東;深度信念網(wǎng)絡及其在手寫字體識別中的應用[D];成都理工大學;2015年

4 施維劏;門限玻爾茲曼機在人臉識別中的魯棒性研究[D];北京交通大學;2015年

5 王海麟;通過信息幾何方法挖掘玻爾茲曼機的不變性[D];天津大學;2014年

6 仝少敏;基于受限玻爾茲曼機的面部運動識別方法研究[D];哈爾濱工業(yè)大學;2014年

7 李平;監(jiān)督概率主題模型研究[D];安徽工業(yè)大學;2014年

  本文關鍵詞：門限玻爾茲曼機在人臉識別中的魯棒性研究，，由筆耕文化傳播整理發(fā)布。

本文編號：436092