基于改进卷积神经网络的人脸识别算法  

作　　者：葛勇 赵乐 王再见[1] 

机构地区：[1]安徽师范大学物理与电子信息学院安徽省智能机器人信息融合与控制工程实验室

出　　处：《电子世界》2019年第23期14-16,共3页Electronics World

基　　金：国家自然科学基金(61401004);2016年安徽省高校领军人才引进与培育计划项目(gxfx ZD2016013);安徽师范大学博士科研启动基金(2016XJJ129);安徽师范大学大学生创新创业训练计划项目(201810370022)

摘　　要：为进一步提高当前人脸识别算法的识别准确度,该文提出一种基于改进卷积神经网络的人脸识别算法。首先基于TensorFlow深度学习框架建立人脸分类模型;然后设计一种卷积神经网络进行人脸图像特征的提取,结合Keras深度学习库来训练人脸识别模型,并利用TensorFlow支持的动量梯度下降优化算法进行优化;最后使用联合的Hard Sample Triplet(HST)和Absolute Constraint Triplet(ACT)损失函数,实现对模型的有效评估,提高识别准确度。该文算法在YouTube Faces数据集和实测视频数据集下与典型人脸识别算法进行对比,实验结果表明该文算法识别准确度更高。

关 键 词：卷积神经网络 人脸识别 梯度下降 人脸分类 深度学习 损失函数 FACES 

分 类 号：TP3[自动化与计算机技术—计算机科学与技术]