2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩175頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領

文檔簡介

1、本文分四個階段總結(jié)和比較了文獻中人臉識別各個階段的主要研究成果。人臉識別技術(shù)在最近幾十年,有了很好的發(fā)展,但是在識別算法的普遍性問題,大數(shù)據(jù)人臉識別,識別的時間、準確率等方面還有很大的改進空間。本文將針對這些問題進行探究,主要研究內(nèi)容如下:
  首先,基于主成分分析(PCA)的人臉識別是人臉識別的主流方法之一,首先對訓練數(shù)據(jù)矩陣進行降維,生成特征臉,再將測試數(shù)據(jù)矩陣投影到特征臉空間得到相應的線性表示系數(shù),從而進行分類識別。但是主成

2、分分析人臉識別不具有普遍適用性,本文分別用了LFW、ORL、XM2VTS三種數(shù)據(jù)庫進行了實驗,由實驗結(jié)果分析可知,用主成分分析算法對不同的數(shù)據(jù)庫進行人臉識別時,正確率會有很大的變化。對LFW人臉數(shù)據(jù)庫進行的識別實驗準確率較好,而在ORL、XM2VTS兩種人臉數(shù)據(jù)庫上進行實驗得到的準確率相對較差,比較LFW人臉數(shù)據(jù)庫的準確率而言準確率相差非常大。支持向量機(SVM)是模式分類的一種算法,可以用于圖像識別,所以文章中用支持向量機算法在ORL

3、、IFD兩種人臉數(shù)據(jù)庫上進行了對比實驗。
  其次,將主成分分析算法與支持向量機算法結(jié)合,先基于主成分分析進行人臉圖像特征提取和選擇,再將所提取的人臉特征向量進行支持向量機分類器的訓練,最后進行人臉識別,這種方法顯著提高了ORL人臉數(shù)據(jù)庫的識別率。
  最后,深度學習方法應用于圖像識別,解決了圖像識別中數(shù)據(jù)量過大、分類類別過多、識別率較低等問題,特別是卷積神經(jīng)網(wǎng)絡,在人臉識別領域得到了很好的應用。文章中首先介紹了受限玻爾茲曼

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論