資源描述：
《基于卷積神經(jīng)網(wǎng)絡的人臉識別研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在應用文檔-天天文庫。
1、為了確保“教學點數(shù)字教育資源全覆蓋”項目設(shè)備正常使用，我校做到安裝、教師培訓同步進行。設(shè)備安裝到位后，中心校組織各學點管理人員統(tǒng)一到縣教師進修學校進行培訓，熟悉系統(tǒng)的使用和維護?；诰矸e神經(jīng)網(wǎng)絡的人臉識別研究 摘要：傳統(tǒng)的人臉識別多采用淺層結(jié)構(gòu)提取人臉特征，這類方法提取人臉圖像能力有限，效果相對較差。針對上述缺陷，提出基于卷積神經(jīng)網(wǎng)絡的高效識別人臉方法。該方法所設(shè)計的模型，結(jié)合了VGGNet模型的層次結(jié)構(gòu)優(yōu)勢并融合跨層次結(jié)構(gòu)的上采樣特征，大大提高了人臉識別的準確性及識別精度。該模型在Caffe下訓練出樣本集后在MATLAB上得到了驗證?！ ￡P(guān)鍵詞：人臉識別；卷積神
2、經(jīng)網(wǎng)絡；UbuntuCaffe；MATLAB DOIDOI：/ 中圖分類號：TP301 文獻標識碼：A文章編號文章編號： Abstract：Traditionalfacerecognitionusesshallowstructuretoextractfacialmethodhaslimitedabilitytoextractfaceimages，andtheeffectisrelativelythedevelopmentofcognitivescienceandbrainscience，anefficientfacerecognitionmethodbase
3、donconvolutionalneuralnetworkisproposedmodelcombinesthehierarchicalstructureofVGGNetmodelandcombinesthesampledfeaturesacrosshierarchicalstructures，afterthemodelistrained為了充分發(fā)揮“教學點數(shù)字教育資源全覆蓋”項目設(shè)備的作用，我們不僅把資源運用于課堂教學，還利用系統(tǒng)的特色欄目開展課外活動，對學生進行安全教育、健康教育、反邪教教育等豐富學生的課余文化生活。為了確保“教學點數(shù)字教育資源全覆蓋”項目設(shè)備正常
4、使用，我校做到安裝、教師培訓同步進行。設(shè)備安裝到位后，中心校組織各學點管理人員統(tǒng)一到縣教師進修學校進行培訓，熟悉系統(tǒng)的使用和維護。underCaffe，theresultisverifiedonmethodgreatlyimprovestheaccuracyoffacerecognitionandimprovestherecognitionaccuracy. KeyWords：facerecognition；convolutionalneuralnetwork；UbuntuCaffe；MATLAB 0引言 卷?e神經(jīng)網(wǎng)絡是近年發(fā)展起來的一種高效識別方法。20世
5、紀60年代，Hubel和Wiesel在研究貓腦皮層中用于局部敏感和方向選擇的神經(jīng)元時，發(fā)現(xiàn)其獨特的網(wǎng)絡結(jié)構(gòu)可以有效降低反饋神經(jīng)網(wǎng)絡的復雜性，繼而提出了卷積神經(jīng)網(wǎng)絡?，F(xiàn)在，CNN已成為眾多科學領(lǐng)域的研究熱點之一，特別是在模式分類領(lǐng)域，由于該網(wǎng)絡避免了圖像前期復雜的預處理，可直接輸入原始圖像，因而得到了廣泛的應用[1]。在1980年首次提出了新識別機制，隨后很多科研工作者對該網(wǎng)絡進行了改進[23]?！ ?神經(jīng)網(wǎng)絡 淺層網(wǎng)絡與深層網(wǎng)絡為了充分發(fā)揮“教學點數(shù)字教育資源全覆蓋”項目設(shè)備的作用，我們不僅把資源運用于課堂教學，還利用系統(tǒng)的特色欄目開展課外活動，對學生進行安全教育
6、、健康教育、反邪教教育等豐富學生的課余文化生活。為了確保“教學點數(shù)字教育資源全覆蓋”項目設(shè)備正常使用，我校做到安裝、教師培訓同步進行。設(shè)備安裝到位后，中心校組織各學點管理人員統(tǒng)一到縣教師進修學校進行培訓，熟悉系統(tǒng)的使用和維護?！ \層網(wǎng)絡通常也叫做傳統(tǒng)的神經(jīng)網(wǎng)絡。神經(jīng)網(wǎng)絡來源于嘗試尋找生物系統(tǒng)信息處理的數(shù)字表示。這個模型被廣泛使用，許多模型過分夸張地宣稱其具有生物的可信性[4]。然而，從模式識別的應用角度來說，模仿生物的真實性會帶來相當多的限制。因此，應著重研究作為統(tǒng)計模式識別的高效神經(jīng)網(wǎng)絡，即多層感知器[5]?！ 【矸e神經(jīng)網(wǎng)絡 卷積神經(jīng)網(wǎng)絡本質(zhì)上是一個多層神經(jīng)網(wǎng)
7、絡，但不同于傳統(tǒng)的神經(jīng)網(wǎng)絡，每一層上都會有許多的二維平面，并且這些二維平面都含有獨立的神經(jīng)元，大致結(jié)構(gòu)如圖1所示[6]?！ D1給定一副輸入圖像，C1層就是卷積神經(jīng)網(wǎng)絡中非常特殊的卷積層?？梢钥吹捷斎雸D像經(jīng)過C1層得到了3張?zhí)卣饔成鋱D，這是因為在C1層上人為設(shè)定了3個不同的卷積核，每一張?zhí)卣饔成鋱D都對應于卷積核中的權(quán)重[79]。S2層是卷積神經(jīng)網(wǎng)中常見的下采樣層，它通過一個固定窗口對特征圖像進行聚合統(tǒng)計，實現(xiàn)特征圖像分辨率的下采樣。同理，C3層獲取更抽象的特征圖，S4層繼續(xù)下采樣降低學習難度。最終網(wǎng)絡的最后一層或幾層設(shè)計成全連接層，目的是為了提取更少、更好的特征
