引入感知模型的改进孪生卷积神经网络实现人脸识别算法研究

徐先峰; 张丽; 郎彬; 夏振

doi:10.3969/j.issn.0372-2112.2020.04.004

您当前的位置：

首页 >

文章列表页 >

引入感知模型的改进孪生卷积神经网络实现人脸识别算法研究

学术论文 | 更新时间：2025-07-08

- 引入感知模型的改进孪生卷积神经网络实现人脸识别算法研究
- Research on Inception Module Incorporated Siamese Convolutional Neural Networks to Realize Face Recognition
- 电子学报 2020年48卷第4期页码：643-647
- 作者机构：
  
  长安大学电子与控制工程学院,陕西,西安,710064
- 作者简介：
- 基金信息：
  
  国家自然科学基金 (No.61201407，No.61473047）;陕西省自然科学基础研究计划 (No.2016JQ5130）;陕西省重点研发计划 (No.2019GY-002）;长安大学中央高校基本科研业务费 (No.300102328202）;西安市智慧高速公路信息融合与控制重点实验室 (No.ZD13CG46）
- DOI：10.3969/j.issn.0372-2112.2020.04.004
  中图分类号： TP391.41
- 网络出版：2020-04-25，
  
  纸质出版：2020
- 稿件说明：
移动端阅览
徐先峰, 张丽, 郎彬, 等. 引入感知模型的改进孪生卷积神经网络实现人脸识别算法研究[J]. 电子学报, 2020,48(4):643-647.

Research on Inception Module Incorporated Siamese Convolutional Neural Networks to Realize Face Recognition[J]. Acta Electronica Sinica, 2020, 48(4): 643-647.
徐先峰, 张丽, 郎彬, 等. 引入感知模型的改进孪生卷积神经网络实现人脸识别算法研究[J]. 电子学报, 2020,48(4):643-647. DOI： 10.3969/j.issn.0372-2112.2020.04.004.

Research on Inception Module Incorporated Siamese Convolutional Neural Networks to Realize Face Recognition[J]. Acta Electronica Sinica, 2020, 48(4): 643-647. DOI： 10.3969/j.issn.0372-2112.2020.04.004.

摘要

针对非限定性条件下人脸识别困难问题，设计了一种引入感知模型的改进孪生卷积神经网络结构（Inception Module Incorporated Siamese Convolutional Neural Networks，IMISCNN），在充分利用孪生结构有效减少外界干扰并避免过拟合等优点的基础上，为其增加感知模型实现更丰富特征的提取.为寻找最优学习率引入了循环学习率策略，加速模型收敛.在CASIA-webface和Extended Yale B标准人脸数据库上的仿真实验表明，所提IMISCNN算法提升了人脸识别精度.

Abstract

To solve the problem of face recognition under unlimited conditions

a simple network structure named Inception Module Incorporated Siamese Convolutional Neural Networks (IMISCNN) was designed

which was suitable for small-scale data sets. On the basis of making full use of the Siamese structure to effectively reduce external interference and avoid over-fitting

inception module was incorporated to the Siamese network to extract richer features. Furthermore

a cyclical learning rate strategy was adopted to accelerate the convergence of the model. Simulation results on the CASIA-webface and Extended Yale B standard face database showed that the recognition accuracy of IMISCNN was significantly improved compared with other face recognition algorithms.

关键词

Keywords

references

浏览量

158

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于特征融合的轻量级新残差人脸识别方法

基于多任务学习和身份约束的生成对抗网络人脸校正识别方法

一种核正交鉴别保局投影算法

基于矩阵模式的最小类内散度支持向量机

一种基于奇异值特征的神经网络人脸识别新途径