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.
引言
在過去的十年中,卷積神經(jīng)網(wǎng)絡(luò)(CNN)在視覺識(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)視覺領(lǐng)域的一個(gè)熱點(diǎn)問題,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,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。通過實(shí)驗(yàn)驗(yàn)證了AlexNet在ORL人臉數(shù)據(jù)庫上的性能,并且進(jìn)一步討論了通過遷移學(xué)習(xí)對(duì)AlexNet進(jìn)行微調(diào)來適應(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://theprogrammingfactory.com/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 長春 130022)