摘要
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。
出处
《电子世界》
2019年第23期14-16,共3页
Electronics World
基金
国家自然科学基金(61401004)
2016年安徽省高校领军人才引进与培育计划项目(gxfx ZD2016013)
安徽师范大学博士科研启动基金(2016XJJ129)
安徽师范大学大学生创新创业训练计划项目(201810370022)