基于深度學(xué)習(xí)的人臉識別方法研究.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力事情，并且選取特征的好壞很大程度上依賴于經(jīng)驗和運氣，而深度學(xué)習(xí)是一種無監(jiān)督學(xué)習(xí)自動學(xué)習(xí)特征的方法，可以更好的表達樣本。人臉識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)用前景和科研價值，因此使用深度學(xué)習(xí)方法的對人臉識別進行研究，可以在光照、表情、姿態(tài)以及低分辨率等問題進行改進。
　　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)，并對該深度層次網(wǎng)絡(luò)進行了訓(xùn)練。為了驗證本文方法的識別率，分別在ORL、Yale、Yale-B以及PERET人臉數(shù)據(jù)庫上做算法測評，測試內(nèi)容有softmax分類器人臉識別、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)算法三個方面。對各個數(shù)據(jù)庫的人臉圖像進行的預(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)算法對低分辨率問題做了進一步驗證。最后，利用matlab