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63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(lǐng)

文檔簡介

1、隨著人工智能的快速發(fā)展,如何準確、有效的識別用戶身份,提升信息安全成為一項重要的研究課題。相較于傳統(tǒng)的卡片識別、指紋識別和虹膜識別,人臉識別具有許多優(yōu)點。它的非接觸性、非強制性和并發(fā)性,易被用戶所接受,已廣泛應(yīng)用于教育、電子商務(wù)等多個領(lǐng)域。
  深度學(xué)習(xí)是機器學(xué)習(xí)領(lǐng)域中的新興分支之一。與傳統(tǒng)淺層網(wǎng)絡(luò)不同,深度學(xué)習(xí)受人腦工作機制啟發(fā),構(gòu)建了深層網(wǎng)絡(luò)結(jié)構(gòu)和相應(yīng)的訓(xùn)練方法。深度卷積神經(jīng)網(wǎng)絡(luò)(deepconvolution neural

2、networks,DCNN)源于多層前向網(wǎng)絡(luò),經(jīng)過不斷發(fā)展,已成為當(dāng)前圖像識別領(lǐng)域的研究熱點。它依靠深層非線性網(wǎng)絡(luò)結(jié)構(gòu)和大規(guī)模的訓(xùn)練數(shù)據(jù),實現(xiàn)復(fù)雜函數(shù)逼近,從而獲得更本質(zhì)和魯棒的圖像特征,有效提升了后續(xù)分類與識別的效果。
  近年來隨著深度卷積神經(jīng)網(wǎng)絡(luò)的引入,人臉識別的準確率得以跨越式提升。然而,不同模型的訓(xùn)練集和網(wǎng)絡(luò)結(jié)構(gòu)差異較大,使得每個模型都有各自的特點。對此,本文研究了一種基于深度多模型融合的人臉識別方法,通過融合多個人臉識

3、別模型提取的特征構(gòu)成組合特征,再利用深度神經(jīng)網(wǎng)絡(luò)訓(xùn)練組合特征構(gòu)建人臉識別分類器,可以得到融合多個模型優(yōu)點的改進模型。主要的工作如下:
  (1)分析和對比基于卷積神經(jīng)網(wǎng)絡(luò)且開源的人臉識別算法,通過實驗篩選了2種基礎(chǔ)模型。對基礎(chǔ)模型提取的基礎(chǔ)特征進行降維、歸一化、融合,得到組合特征,作為后續(xù)深度神經(jīng)網(wǎng)絡(luò)的輸入。
  (2)構(gòu)建基于深度多模型融合的深度神經(jīng)網(wǎng)絡(luò),訓(xùn)練組合特征,獲得融合不同基礎(chǔ)模型優(yōu)點的改進模型。
  (3)

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(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