基于深度學(xué)習(xí)的人臉識(shí)別方法研究.pdf

1、傳統(tǒng)的特征都是人工選取，例如SIFT，HOG等等，但是人工選取特征是一件非常費(fèi)力事情，并且選取特征的好壞很大程度上依賴于經(jīng)驗(yàn)和運(yùn)氣，而深度學(xué)習(xí)是一種無監(jiān)督學(xué)習(xí)自動(dòng)學(xué)習(xí)特征的方法，可以更好的表達(dá)樣本。人臉識(shí)別以其所具有的非侵入性、便捷性、安全性等特性擁有著廣闊的應(yīng)用前景和科研價(jià)值，因此使用深度學(xué)習(xí)方法的對(duì)人臉識(shí)別進(jìn)行研究，可以在光照、表情、姿態(tài)以及低分辨率等問題進(jìn)行改進(jìn)。
　　本文利用稀疏自編碼神經(jīng)網(wǎng)絡(luò)和softmax分類器構(gòu)建深度

2、層次網(wǎng)絡(luò)，并對(duì)該深度層次網(wǎng)絡(luò)進(jìn)行了訓(xùn)練。為了驗(yàn)證本文方法的識(shí)別率，分別在ORL、Yale、Yale-B以及PERET人臉數(shù)據(jù)庫上做算法測(cè)評(píng)，測(cè)試內(nèi)容有softmax分類器人臉識(shí)別、深度網(wǎng)絡(luò)頂層微調(diào)算法和深度網(wǎng)絡(luò)整體微調(diào)算法三個(gè)方面。對(duì)各個(gè)數(shù)據(jù)庫的人臉圖像進(jìn)行的預(yù)處理有直方圖均衡化、非局部均值算法、小波變換處理、Retinex圖像增強(qiáng)算法以及同態(tài)濾波算法。另外，使用深度網(wǎng)絡(luò)整體微調(diào)算法對(duì)低分辨率問題做了進(jìn)一步驗(yàn)證。最后，利用matlab