資源描述：
《基于深度學(xué)習(xí)特征的稀疏表示的人臉識(shí)別方法.pdf》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、第１１卷第３期智能系統(tǒng)學(xué)報(bào)Ｖｏｌ．１１№．３２０１６年６月ＣＡＡＩＴｒａｎｓａｃｔｉｏｎｓｏｎＩｎｔｅｌｌｉｇｅｎｔＳｙｓｔｅｍｓＪｕｎ．２０１６ＤＯＩ：１０．１１９９２／ｔｉｓ．２０１６０３０網(wǎng)絡(luò)出版地址：ｈｔｔｐ：／／ｗｗｗ．ｃｎｋｉ．ｎｅｔ／ｋｃｍｓ／ｄｅｔａｉｌ／２３．１５３８．ＴＰ．２０１６０５１３．０９１９．０１２．ｈｔｍｌ基于深度學(xué)習(xí)特征的稀疏表示的人臉識(shí)別方法１，２１，２１，２馬曉，張番棟，封舉富（１．北京大學(xué)信息科學(xué)技術(shù)學(xué)院，北京１００８７１；２．北京大學(xué)機(jī)器感知與智能教育部重點(diǎn)實(shí)驗(yàn)室，北京１００８７１）摘要：本文針對(duì)傳統(tǒng)的基于稀疏表示的人
2、臉識(shí)別方法在小樣本情況下對(duì)類內(nèi)變化魯棒性不強(qiáng)的問(wèn)題，從特征的層面入手，提出了基于深度學(xué)習(xí)特征的稀疏表示的人臉識(shí)別方法。本方法首先利用深度卷積神經(jīng)網(wǎng)絡(luò)提取對(duì)類內(nèi)變化不敏感的人臉特征，然后通過(guò)稀疏表示對(duì)所得人臉特征進(jìn)行表達(dá)分類。本文通過(guò)實(shí)驗(yàn)，說(shuō)明了深度學(xué)習(xí)得到的特征也具有一定的子空間特性，符合基于稀疏表示的人臉識(shí)別方法對(duì)于子空間的假設(shè)條件。實(shí)驗(yàn)證明，基于深度學(xué)習(xí)特征的稀疏表示的人臉識(shí)別方法具有較好的識(shí)別準(zhǔn)確度，對(duì)類內(nèi)變化具有很好的魯棒性，特別在小樣本問(wèn)題中具有尤為突出的優(yōu)勢(shì)。關(guān)鍵詞：機(jī)器學(xué)習(xí)；生物特征識(shí)別；深度學(xué)習(xí)；特征學(xué)習(xí)；子空間；小樣本；稀疏表示；人臉識(shí)別中
3、圖分類號(hào)：ＴＰ３９１．４文獻(xiàn)標(biāo)志碼：Ａ文章編號(hào)：１６７３?４７８５（２０１６）０３?０２７９?０８中文引用格式：馬曉，張番棟，封舉富．基于深度學(xué)習(xí)特征的稀疏表示的人臉識(shí)別方法［Ｊ］．智能系統(tǒng)學(xué)報(bào)，２０１６，１１（３）：２７９?２８６．英文引用格式：ＭＡｘｉａｏ，ＺＨＡＮＧｆａｎｄｏｎｇ，ＦＥＮＧＪｕｆｕ．Ｓｐａｒｓｅｒｅｐｒｅｓｅｎｔａｔｉｏｎｖｉａｄｅｅｐｌｅａｒｎｉｎｇｆｅａｔｕｒｅｓｂａｓｅｄｆａｃｅｒｅｃｏｇｎｉｔｉｏｎｍｅｔｈｏｄ［Ｊ］．ＣＡＡＩｔｒａｎｓａｃｔｉｏｎｓｏｎｉｎｔｅｌｌｉｇｅｎｔｓｙｓｔｅｍｓ，２０１６，１１（３）：２７９?２８６．
4、Ｓｐａｒｓｅｒｅｐｒｅｓｅｎｔａｔｉｏｎｖｉａｄｅｅｐｌｅａｒｎｉｎｇｆｅａｔｕｒｅｓｂａｓｅｄｆａｃｅｒｅｃｏｇｎｉｔｉｏｎｍｅｔｈｏｄ１，２１，２１，２ＭＡＸｉａｏ，ＺＨＡＮＧＦａｎｄｏｎｇ，ＦＥＮＧＪｕｆｕ（１．ＳｃｈｏｏｌｏｆＥｌｅｃｔｒｏｎｉｃｓＥｎｇｉｎｅｅｒｉｎｇａｎｄＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ，ＰｅｋｉｎｇＵｎｉｖｅｒｓｉｔｙ，Ｂｅｉｊｉｎｇ１００８７１，Ｃｈｉｎａ；２．ＫｅｙＬａｂｏｒａｔｏｒｙｏｆＭａｃｈｉｎｅＰｅｒｃｅｐｔｉｏｎ（ＭｉｎｉｓｔｒｙｏｆＥｄｕｃａｔｉｏｎ）ＤｅｐａｒｔｍｅｎｔｏｆＭａｃｈｉｎｅＩｎｔｅｌｌｉｇｅｎｃｅ，
5、ＰｅｋｉｎｇＵｎｉｖｅｒｓｉｔｙ，Ｂｅｉｊｉｎｇ１００８７１，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｆｏｃｕｓｉｎｇｏｎｔｈｅｐｒｏｂｌｅｍｓｔｈａｔｔｈｅｔｒａｄｉｔｉｏｎａｌｓｐａｒｓｅｒｅｐｒｅｓｅｎｔａｔｉｏｎｂａｓｅｄｆａｃｅｒｅｃｏｇｎｉｔｉｏｎｍｅｔｈｏｄｓａｒｅｎｏｔｑｕｉｔｅｒｏｂｕｓｔｔｏｉｎｔｒａ?ｃｌａｓｓｖａｒｉａｔｉｏｎｓ，ａｎｏｖｅｌＳｐａｒｓｅＲｅｐｒｅｓｅｎｔａｔｉｏｎｖｉａＤｅｅｐＬｅａｒｎｉｎｇＦｅａｔｕｒｅｓｂａｓｅｄＣｌａｓｓｉｆｉｃａｔｉｏｎ（ＳＲＤＬＦＣ）ｍｅｔｈｏｄｉｓｐｒｏｐｏｓｅｄｉｎｔｈｉｓｐａｐｅｒ，ｅｍｐｌｏ
6、ｙｉｎｇａｄｅｅｐｃｏｎｖｏｌｕｔｉｏｎａｌｎｅｕｒａｌｎｅｔｗｏｒｋｔｏｅｘｔｒａｃｔｆａｃｉａｌｆｅａ?ｔｕｒｅｓａｎｄａｓｐａｒｓｅｒｅｐｒｅｓｅｎｔａｔｉｏｎｂａｓｅｄｆｒａｍｅｗｏｒｋｔｏｍａｋｅｃｌａｓｓｉｆｉｃａｔｉｏｎ．Ｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｉｎｔｈｉｓｐａｐｅｒａｌｓｏｖｅｒ?ｉｆｉｅｓｔｈｅｆｅａｔｕｒｅｓｅｘｔｒａｃｔｅｄｆｒｏｍｄｅｅｐｃｏｎｖｏｌｕｔｉｏｎａｌｎｅｔｗｏｒｋｄｏｓａｔｉｓｆｙｔｈｅｌｉｎｅａｒｓｕｂｓｐａｃｅａｓｓｕｍｐｔｉｏｎ．ＴｈｅｐｒｏｐｏｓｅｄＳＲＤＬＦＣｐｒｏｖｅｓｔｏｂｅｑｕｉｔｅｅｆｆｅ
7、ｃｔｉｖｅａｎｄｂｅｒｏｂｕｓｔｔｏｉｎｔｒａ?ｃｌａｓｓｖａｒｉａｔｉｏｎｓｅｓｐｅｃｉａｌｌｙｆｏｒｕｎｄｅｒ?ｓａｍｐｌｅｄｆａｃｅｒｅｃｏｇ?ｎｉｔｉｏｎｐｒｏｂｌｅｍｓ．Ｋｅｙｗｏｒｄｓ：ｍａｃｈｉｎｅｌｅａｒｎｉｎｇ；ｂｉｏｍｅｔｒｉｃｒｅｃｏｇｎｉｔｉｏｎ；ｄｅｅｐｌｅａｒｎｉｎｇ；ｆｅａｔｕｒｅｌｅａｒｎｉｎｇ；ｓｕｂｓｐａｃｅ；ｕｎｄｅｒ?ｓａｍｐｌｅｄｒｅｃｏｇｎｉｔｉｏｎ；ｓｐａｒｓｅｒｅｐｒｅｓｅｎｔａｔｉｏｎ；ｆａｃｅｒｅｃｏｇｎｉｔｉｏｎ人臉識(shí)別是作為一項(xiàng)重要的生物識(shí)別技術(shù)，在是在不可控的自然環(huán)境下進(jìn)行的，人臉樣本常常含公安刑偵、
8、企業(yè)管理、自助服務(wù)及互聯(lián)網(wǎng)金融方面都有諸如光照、姿態(tài)
