基于改进卷积神经网络的人脸识别算法

为进一步提高当前人脸识别算法的识别准确度,该文提出一种基于改进卷积神经网络的人脸识别算法。首先基于TensorFlow深度学习框架建立人脸分类模型;然后设计一种卷积神经网络进行人脸图像特征的提取,结合Keras深度学习库来训练人脸识别模型,并利用TensorFlow支持的动量梯度下降优化算法进行优化;最后使用联合的Hard Sample Triplet(HST)和Absolute Constraint Triplet(ACT)损失函数,实现对模型的有效评估,提高识别准确度。该文算法在YouTube Faces数据集和实测视频数据集下与典型人脸识别算法进行对比,实验结果表明该文算法识别准确度更高。