基于深度信念网络的非限制性人脸识别算法研究

作     者：赵一中 刘文波 ZHAO Yi-zhong;LIU Wen-bo

作者机构：南京航空航天大学自动化学院江苏南京210016 

基　　金：国家自然科学基金(61471191) 航空基金(20152052026) 

出 版 物：《计量学报》 (Acta Metrologica Sinica)

年 卷 期：2017年第38卷第1期

页      码：65-68页

摘      要：针对非限制性条件下的人脸识别存在自由度高、干扰因素复杂等技术难点,引入深度学习理论,提出了一种基于深度信念网络(DBNs)的非限制性人脸识别算法模型。基于相对熵稀疏性限制和dropout机制等方法,设计了优化算法。针对实际使用场合中样本量不足的问题,提出了一种混合DBNs模型,该模型采用CNNs深度卷积网络生成训练DBNs所需的模拟样本。标准人脸库下的实验结果表明,DBNs模型的平均识别率为97.0%,混合DBNs模型的平均识别率为90.3%,满足实际使用需求。

主 题 词：计量学 人脸识别 深度信念网络 深度学习 小样本 

学科分类：0808[工学-自动化类] 0809[工学-计算机类] 08[工学] 0804[工学-材料学] 080402[080402] 0703[理学-化学类] 

D　O　I：10.3969/j.issn.1000-1158.2017.01.14

馆 藏 号：203211744...