引入感知模型的改进孪生卷积神经网络实现人脸识别算法研究OA北大核心CSCDCSTPCD
Research on Inception Module Incorporated Siamese Convolutional Neural Networks to Realize Face Recognition
针对非限定性条件下人脸识别困难问题,设计了一种引入感知模型的改进孪生卷积神经网络结构(In-ception Module Incorporated Siamese Convolutional Neural Networks,IMISCNN),在充分利用孪生结构有效减少外界干扰并避免过拟合等优点的基础上,为其增加感知模型实现更丰富特征的提取.为寻找最优学习率引入了循环学习率策略,加速模型收敛.在CASIA-webface和Extended Yale B标准人脸数据库上的仿真实验表明,所提IMISCNN算法提升了人脸识别精度.
徐先峰;张丽;郎彬;夏振
长安大学电子与控制工程学院,陕西西安710064长安大学电子与控制工程学院,陕西西安710064长安大学电子与控制工程学院,陕西西安710064长安大学电子与控制工程学院,陕西西安710064
信息技术与安全科学
人脸识别孪生卷积神经网络感知模型循环学习率
《电子学报》 2020 (4)
643-647,5
国家自然科学基金(No.61201407,No.61473047)陕西省自然科学基础研究计划(No.2016JQ5130)陕西省重点研发计划(No.2019GY-002)长安大学中央高校基本科研业务费(No.300102328202)西安市智慧高速公路信息融合与控制重点实验室(No.ZD13CG46)
评论