《電子技術(shù)應(yīng)用》
您所在的位置：首頁(yè) > 人工智能 > 设计应用 > 基于改进AlexNet卷积神经网络人脸识别的研究
基于改进AlexNet卷积神经网络人脸识别的研究
电子技术应用
蔡靖，谷承睿，刘光达，孙慧慧
吉林大学 仪器科学与电气工程学院
摘要： 近期，人脸识别技术在社会上广受关注，其非接触式的识别特性相较于指纹等传统接触式识别方法展现出明显优势。在深度学习领域，由于传统卷积神经网络在人脸识别任务上的准确性和速度尚有提升空间，因此提出采用改进的AlexNet卷积神经网络进行人脸识别。通过实验验证，与传统卷积网络相比，改进后的AlexNet在人脸识别上不仅准确度更高，而且识别过程更为稳定。
中圖分類號(hào)：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(shí)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(guò)去的十年中，卷積神經(jīng)網(wǎng)絡(luò)（CNN）在視覺(jué)識(shí)別的任務(wù)中取得了很多的成果。人臉識(shí)別作為計(jì)算機(jī)視覺(jué)領(lǐng)域的一個(gè)熱點(diǎn)問(wèn)題，一直是諸多安全和個(gè)人識(shí)別應(yīng)用的核心技術(shù)[1]。近年來(lái)，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(shí)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(shí)別任務(wù)上的應(yīng)用。通過(guò)實(shí)驗(yàn)驗(yàn)證了AlexNet在ORL人臉數(shù)據(jù)庫(kù)上的性能，并且進(jìn)一步討論了通過(guò)遷移學(xué)習(xí)對(duì)AlexNet進(jìn)行微調(diào)來(lái)適應(yīng)人臉識(shí)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(duì)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(qǐng)下載：

http://m.ihrv.cn/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(zhǎng)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。