《電子技術(shù)應(yīng)用》
您所在的位置:首頁 > 人工智能 > 設(shè)計(jì)應(yīng)用 > 基于改進(jìn)AlexNet卷積神經(jīng)網(wǎng)絡(luò)人臉識別的研究
基于改進(jìn)AlexNet卷積神經(jīng)網(wǎng)絡(luò)人臉識別的研究
電子技術(shù)應(yīng)用
蔡靖,谷承睿,劉光達(dá),孫慧慧
吉林大學(xué) 儀器科學(xué)與電氣工程學(xué)院
摘要: 近期,人臉識別技術(shù)在社會上廣受關(guān)注,其非接觸式的識別特性相較于指紋等傳統(tǒng)接觸式識別方法展現(xiàn)出明顯優(yōu)勢。在深度學(xué)習(xí)領(lǐng)域,由于傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)在人臉識別任務(wù)上的準(zhǔn)確性和速度尚有提升空間,因此提出采用改進(jìn)的AlexNet卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行人臉識別。通過實(shí)驗(yàn)驗(yàn)證,與傳統(tǒng)卷積網(wǎng)絡(luò)相比,改進(jìn)后的AlexNet在人臉識別上不僅準(zhǔn)確度更高,而且識別過程更為穩(wěn)定。
中圖分類號:TN402 文獻(xiàn)標(biāo)志碼:A DOI: 10.16157/j.issn.0258-7998.245086
中文引用格式: 蔡靖,谷承睿,劉光達(dá),等. 基于改進(jìn)AlexNet卷積神經(jīng)網(wǎng)絡(luò)人臉識別的研究[J]. 電子技術(shù)應(yīng)用,2024,50(11):42-46.
英文引用格式: Cai Jing,Gu Chengrui,Liu Guangda,et al. Research on face recognition based on improved AlexNet convolutional neural network[J]. Application of Electronic Technique,2024,50(11):42-46.
Research on face recognition based on improved AlexNet convolutional neural network
Cai Jing,Gu Chengrui,Liu Guangda,Sun Huihui
College of Instrumentation & Electrical Engineering, Jilin University
Abstract: In recent years, face recognition has been a hot topic in society. Compared to contact-based recognition methods such as fingerprint recognition, face recognition offers the advantage of being contactless. In the field of deep learning, traditional convolutional neural networks do not achieve high enough accuracy or speed for face recognition. Therefore, this paper proposes a face recognition algorithm using the AlexNet convolutional neural network. Experimental results show that AlexNet provides higher accuracy and more stability in face recognition compared to traditional convolutional neural networks.
Key words : deep learning;convolutional neural network;face recognition;AlexNet

引言

在過去的十年中,卷積神經(jīng)網(wǎng)絡(luò)(CNN)在視覺識別的任務(wù)中取得了很多的成果。人臉識別作為計(jì)算機(jī)視覺領(lǐng)域的一個(gè)熱點(diǎn)問題,一直是諸多安全和個(gè)人識別應(yīng)用的核心技術(shù)[1]。近年來,隨著大數(shù)據(jù)和高性能計(jì)算資源的普及,基于深度學(xué)習(xí)的人臉識別技術(shù)已經(jīng)取得了顯著的進(jìn)展。在這些方法中,基于AlexNet架構(gòu)的CNN模型因其強(qiáng)大的特征學(xué)習(xí)能力而備受關(guān)注。本文旨在探討AlexNet卷積神經(jīng)網(wǎng)絡(luò)在人臉識別任務(wù)上的應(yīng)用。通過實(shí)驗(yàn)驗(yàn)證了AlexNet在ORL人臉數(shù)據(jù)庫上的性能,并且進(jìn)一步討論了通過遷移學(xué)習(xí)對AlexNet進(jìn)行微調(diào)來適應(yīng)人臉識別任務(wù)的方法,并探索了數(shù)據(jù)增強(qiáng)、網(wǎng)絡(luò)結(jié)構(gòu)調(diào)整和超參數(shù)優(yōu)化對模型性能的影響。在傳統(tǒng)的AlexNet卷積網(wǎng)絡(luò)上進(jìn)行改進(jìn),得到優(yōu)化后的結(jié)果。


本文詳細(xì)內(nèi)容請下載:

http://m.xxav2194.com/resource/share/2000006208


作者信息:

蔡靖,谷承睿,劉光達(dá),孫慧慧

(吉林大學(xué) 儀器科學(xué)與電氣工程學(xué)院,吉林 長春 130022)


Magazine.Subscription.jpg

此內(nèi)容為AET網(wǎng)站原創(chuàng),未經(jīng)授權(quán)禁止轉(zhuǎn)載。
主站蜘蛛池模板: 手机看片你懂的| 中文字幕国产在线| 狠狠色丁香久久婷婷综合| 在线免费观看亚洲| 久久久无码人妻精品无码| 999国产高清在线精品| 欧美乱妇狂野欧美在线视频| 国产免费av片在线观看播放 | 亚洲人成在线观看| 精品人妻少妇一区二区三区在线 | 91综合精品网站久久| 波多野结衣中文字幕电影| 在线成人播放毛片| 久久96精品国产| 校草让我脱了内裤给全班看| 午夜成人无码福利免费视频| xxxx性视频| 日韩一区二区三区在线播放| 免费人成视频x8x8入口| 99爱在线视频这里只有精品| 欧美一级在线免费观看| 又色又爽又黄的视频软件app | 国产精品久久国产三级国不卡顿| 亚洲一级毛片免观看| 老师让我她我爽了好久动漫| 成人免费无码大片a毛片| 亚洲欧美一区二区三区二厂| 天堂www网最新版资源官网| 无翼乌日本漫画| 亚洲精品无码久久久久秋霞| 4虎2022年最新| 婷婷五月在线视频| 亚洲一区二区三区91| 精品国产麻豆免费网站| 国产精亚洲视频| 97精品人妻一区二区三区香蕉| 日本午夜精品一本在线观看| 亚洲精品无码不卡在线播放| 色综合久久久久久久久五月| 国产精品自在线拍国产电影| 中文字幕亚洲色图|