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78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(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、當(dāng)前人臉識別在安保、金融、電子政務(wù)、娛樂等多領(lǐng)域都有廣泛深入的應(yīng)用和極具潛力的發(fā)展空間。同時隨著深度學(xué)習(xí)的發(fā)展,針對大數(shù)據(jù)提出的深度學(xué)習(xí)人臉識別技術(shù)成為特征識別領(lǐng)域的熱點課題,眾多學(xué)者對此進(jìn)行了大量研究。本文對深度學(xué)習(xí)的兩個重要算法展開相關(guān)研究,并提出改進(jìn)算法來解決小樣本數(shù)據(jù)庫在深度學(xué)習(xí)模型中識別率偏低的問題。
  本文建立了一個小樣本的人臉數(shù)據(jù)庫,充分考慮了樣本采集中關(guān)于表情、姿態(tài)、光照等的變化,先將人臉數(shù)據(jù)從RGB彩色空間轉(zhuǎn)換

2、到Y(jié)CbCr空間,提取符合空間膚色范圍的區(qū)域再進(jìn)行形態(tài)學(xué)處理,得到人臉數(shù)據(jù),最后進(jìn)行尺度歸一化。
  分析卷積神經(jīng)網(wǎng)絡(luò)和深度信念網(wǎng)絡(luò)的基本原理,研究其模型結(jié)構(gòu)和生成算法,分別建立深度學(xué)習(xí)人臉識別模型,并在Extended Yale-B、ORL、自建樣本庫三個數(shù)據(jù)庫上進(jìn)行實驗,通過對比分析優(yōu)劣并得出相關(guān)結(jié)論。
  針對卷積神經(jīng)網(wǎng)絡(luò)和深度信念網(wǎng)絡(luò)在小樣本數(shù)據(jù)集上識別率要低于大樣本,深度學(xué)習(xí)模型多用于大數(shù)據(jù)的情況下,提出改進(jìn)的深度

3、信念網(wǎng)絡(luò)結(jié)構(gòu),用局部二值模式處理樣本數(shù)據(jù),得到LBP直方圖作為深度信念網(wǎng)絡(luò)輸入層,并在使用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行參數(shù)調(diào)優(yōu)階段引入成對分類模式,優(yōu)化系統(tǒng)分類邊界,提高識別效果。通過在三個數(shù)據(jù)庫中的實驗表明,改進(jìn)的深度信念網(wǎng)絡(luò)人臉識別算法在小樣本數(shù)據(jù)集上也有很好地識別效果,并且當(dāng)數(shù)據(jù)存在各類干擾時,此系統(tǒng)也能很好的對數(shù)據(jù)進(jìn)行分類。
  最后設(shè)計一個簡單的GUI界面來實現(xiàn)人臉識別的應(yīng)用。本文改進(jìn)算法在標(biāo)準(zhǔn)樣本庫中識別率可以達(dá)到100%,在自建

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(yù)覽,若沒有圖紙預(yù)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(hù)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(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)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(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)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