基于卷積神經(jīng)網(wǎng)絡(luò)的人臉圖像識(shí)別研究.pdf

1、圖像識(shí)別技術(shù)在我們的生活中發(fā)揮著重要的作用，人臉識(shí)別技術(shù)是圖像特征識(shí)別中一個(gè)非?；馃岬难芯款I(lǐng)域。針對(duì)人臉識(shí)別等圖像識(shí)別任務(wù)，傳統(tǒng)識(shí)別面對(duì)復(fù)雜背景，光照，圖像扭曲等問題時(shí)，需要大量的圖像預(yù)處理，并且識(shí)別效果不佳。隨著深度學(xué)習(xí)以及硬件設(shè)備的發(fā)展，基于卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，簡(jiǎn)稱CNN）的人臉識(shí)別技術(shù)成為了人臉識(shí)別領(lǐng)域的主要采用的方法。對(duì)此，本文對(duì)基于CNN的人臉識(shí)別技術(shù)進(jìn)行研究與實(shí)現(xiàn)。主要工作

2、內(nèi)容有:
　　介紹了CNN的基本原理和實(shí)現(xiàn)。通過研究CNN模型的基本原理，使用Matconvnet框架中包含的卷積函數(shù)、下采樣函數(shù)處理圖像，得到的結(jié)果用于構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)模型的卷積層和下采樣層等，從而搭建所需的CNN訓(xùn)練模型。此外，對(duì)全連接層和分類層的理解和掌握通過深入探究多層感知機(jī)MLP的基本原理進(jìn)行了介紹。模型的所有實(shí)現(xiàn)均是利用基于MATLAB的Matconvnet框架，以及其庫文件，同時(shí)采用GPU加速。
　　本文對(duì)基于

3、CNN的人臉識(shí)別模型進(jìn)行構(gòu)建、分析與訓(xùn)練。研究設(shè)計(jì)了改進(jìn)的CNN人臉識(shí)別網(wǎng)絡(luò)結(jié)構(gòu)圖，在原始設(shè)計(jì)網(wǎng)絡(luò)共有10層，包括5個(gè)卷積層、4個(gè)池化層和1個(gè)全連接層的基礎(chǔ)上，擴(kuò)充網(wǎng)絡(luò)模型，在粗模型的基礎(chǔ)上再加入一組卷積層和池化層，構(gòu)成新的精細(xì)網(wǎng)絡(luò)，在進(jìn)行精細(xì)訓(xùn)練時(shí)，原網(wǎng)絡(luò)的第九層與新加入的卷積層連接，提取更深度的特征設(shè)計(jì)精訓(xùn)練網(wǎng)絡(luò)。分別利用粗細(xì)兩個(gè)模型模型在人臉數(shù)據(jù)集上進(jìn)行訓(xùn)練，并精細(xì)調(diào)參，實(shí)現(xiàn)模型參數(shù)優(yōu)化調(diào)整?；谝呀?jīng)訓(xùn)練的網(wǎng)絡(luò)，利用人臉圖像數(shù)據(jù)庫