作者：李靓; 文畅; 谢凯; 贺建飚人脸识别卷积神经网络归一化激活函数二维主成分分析
摘要：为解决人脸识别工作中测试数据与训练数据的差异带来的精度损失问题,提出一种C2D-CNN模型下的人脸识别方法。该模型将彩色2DPCA算法提取的原始图像像素特征与CNN(Convolutional Neural Network)学习的图像表示相融合,能显著提高人脸识别性能。进一步的,提出一种新的CNN模型,在CNN中引入归一化层,以加速网络收敛,此外还加入了分层激活函数,使得激活函数对归一化后的数据有自适应性。选取复杂环境下的FRGC人脸库以及自采集人脸库进行实验。实验结果表明,对于FRGC人脸库,相比Alex Net网络,本算法的预训练时间缩短了69. 4%,识别率提高了9. 72%~22. 99%,相比微调后的AlexNet网络,识别率提高了6. 07%~15. 28%,解决了测试集与训练集之间的差异带来的识别率低的问题。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
