基于跨连卷积神经网络的性别分类模型  

A Gender Classification Model Based on Cross-connected Convolutional Neural Networks

作　　者：张婷[1] 李玉鑑[1] 胡海鹤[1] 张亚红[1] 

机构地区：[1]北京工业大学讦算机学院,北京100124

出　　处：《自动化学报》2016年第6期858-865,共8页Acta Automatica Sinica

基　　金：国家自然科学基金(61175004);高等学校博士学科点专项科研基金(20121103110029);北京市博士后工作资助项目(2015ZZ-24:Q6007011201501)资助~~

摘　　要：为提高性别分类准确率,在传统卷积神经网络(Convolutional neural network,CNN)的基础上,提出一个跨连卷积神经网络(Cross-connected CNN,CCNN)模型.该模型是一个9层的网络结构,包含输入层、6个由卷积层和池化层交错构成的隐含层、全连接层和输出层,其中允许第2个池化层跨过两个层直接与全连接层相连接.在10个人脸数据集上的性别分类实验结果表明,跨连卷积网络的准确率均不低于传统卷积网络.To improve gender classification accuracy, we propose a cross-connected convolutional neural network（CCNN）based on traditional convolutional neural networks（CNN）. The proposed model is a 9-layer structure composed of an input layer, six hidden layers（i.e., three convolutional layers alternating with three pooling layers）, a fully-connected layer and an output layer, where the second pooling layer is allowed to directly connect to the fully-connected layer across two layers. Experimental results in ten face datasets show that our model can achieve gender classification accuracies not lower than those of the convolutional neural networks.

关 键 词：性别分类 卷积神经网络 跨连卷积神经网络 跨层连接 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术] TP183[自动化与计算机技术—计算机科学与技术]