基于深度學(xué)習(xí)的低分辨率多姿態(tài)人臉識(shí)別.pdf

1、隨著社會(huì)的發(fā)展，人臉識(shí)別技術(shù)在現(xiàn)實(shí)社會(huì)中的應(yīng)用變得越來(lái)越廣泛。在實(shí)際的視頻監(jiān)控系統(tǒng)中，圖像設(shè)備采集到的圖像往往含有姿態(tài)變化和分辨率低等影響因素，而現(xiàn)有的方法對(duì)于伴隨多姿態(tài)低分辨率人臉圖像的識(shí)別性能并不是很理想，為解決低分辨率多姿態(tài)人臉圖像中姿態(tài)變化的非線性問(wèn)題和低分辨率問(wèn)題的影響，本文提出將深度信念網(wǎng)絡(luò)與極限學(xué)習(xí)機(jī)相結(jié)合的深層網(wǎng)絡(luò)結(jié)構(gòu)的方法來(lái)識(shí)別低分辨率多姿態(tài)人臉圖像。
　　本文方法中的深度信念網(wǎng)絡(luò)結(jié)構(gòu)主要作用為特征提取，極限學(xué)習(xí)

2、機(jī)主要用于分類識(shí)別。其中深度信念網(wǎng)絡(luò)由多層限制玻爾茲曼機(jī)模型構(gòu)成，每層的限制玻爾茲曼機(jī)通過(guò)貪婪學(xué)習(xí)算法無(wú)監(jiān)督逐層學(xué)習(xí)，對(duì)訓(xùn)練而得的深度信念網(wǎng)絡(luò)結(jié)構(gòu)再使用自編碼器進(jìn)行參數(shù)微調(diào)，這樣構(gòu)建學(xué)習(xí)而成的深層次的非線性網(wǎng)絡(luò)結(jié)構(gòu)模型發(fā)揮在復(fù)雜函數(shù)的非線性問(wèn)題逼近方面的優(yōu)異性能，有效地學(xué)習(xí)帶有姿態(tài)變化的高低分辨率圖像之間流形假設(shè)的點(diǎn)對(duì)聯(lián)系，充分挖掘帶有姿態(tài)變化的高低分辨率圖像中姿態(tài)變化的非線性聯(lián)系以及高低分辨率圖像之間的共有特性，從而克服姿態(tài)變化的非線