基于改進(jìn)深層網(wǎng)絡(luò)的視頻人臉識別研究.pdf

1、視頻人臉識別和深度學(xué)習(xí)是目前國內(nèi)外模式識別領(lǐng)域的研究熱點，但是在實際應(yīng)用中卻總遇到各式各樣的問題。隨著深度學(xué)習(xí)在目標(biāo)檢測與跟蹤方面的成功應(yīng)用，基于深度學(xué)習(xí)的視頻人臉識別研究也得以開展，以自動提取出具有較好表達(dá)能力的樣本特征。
　　本文利用深度學(xué)習(xí)的相關(guān)理論，完成了卷積核的學(xué)習(xí)、樣本庫的擴展和深層網(wǎng)絡(luò)特征提取器的設(shè)計，從而更全面地表達(dá)出樣本所含信息，刻畫出樣本的內(nèi)容。論文的主要工作和創(chuàng)新點如下：
　　(1)本文研究一種基于降噪

2、稀疏自動編碼器的卷積核學(xué)習(xí)算法，將人臉圖像子塊輸入降噪稀疏自動編碼器進(jìn)行學(xué)習(xí)，得到網(wǎng)絡(luò)的參數(shù)，即各類卷積核。通過學(xué)習(xí)得到的卷積核比傳統(tǒng)的卷積核具有更強的適應(yīng)性，能更好地提取出目標(biāo)的特征。通過對卷積核尺寸和訓(xùn)練樣本數(shù)量進(jìn)行研究，選擇合適的參數(shù)，在保證算法效果的基礎(chǔ)上節(jié)約了時間。
　　(2)本文提出利用卷積操作進(jìn)行數(shù)據(jù)集擴展的思路，利用學(xué)習(xí)到的卷積核對人臉數(shù)據(jù)集進(jìn)行卷積操作，從而擴大了樣本集的數(shù)量，一定程度地解決了由于訓(xùn)練數(shù)據(jù)集小而導(dǎo)