基于增量行列二维主成分分析的深度子空间网络

主成分分析网络(principal component analysis network,PCANet)是一种基于卷积神经网络模型进行简化的深度子空间网络模型。针对PCANet在卷积核提取过程中无法对图像样本进行实时处理的问题,本文提出了一种基于增量行列二维主成分分析方法(incremental sequential row-column 2DPCA,IRC2DPCA)的增量行列二维主成分分析网络(incremental sequential row-column 2DPCA network,IRC2DPCANet)。该方法可以在卷积核的训练过程中对训练样本进行实时处理,从而提高网络的训练效率。通过在PIE、AR、Yale 3个典型人脸数据集上的实验表明,本文所提出的方法具有良好的分类性能。最后,本文还研究了卷积核大小及卷积层中卷积核数量对于算法分类率的影响。