基于VGGNet深度卷积神经网络的人脸识别方法研究

VGGNet深度卷积神经网络是目前主流的深度学习网络。文章分析了VGGNet深度卷积神经网络的结构和特点。基于PyTorch深度学习框架,构建了VGG16网络,并使用非限制条件下拍摄的人脸图像数据库FaceScrub对网络进行训练和测试,实验中得到了较高的人脸识别准确率,验证了VGGNet深度卷积神经网络在非限制条件下的人脸识别中的有效性,也为VGGNet在人脸识别中的应用过程提供参考。

深度学习及其在人脸识别中的应用进展

深度学习是目前受到广泛关注的机器学习方法。通过构建深度神经网络且使用深度学习算法学习适合模式识别和分类的高层次特征是目前模式识别领域热门研究方向,特别是在人脸识别领域已经取得了目前最好的成果。文章首先介绍了深度学习概述,然后分析了基于深度学习的人脸识别方法及识别模型并对识别模型进行了分类。最后讨论了应用深度学习进行人脸识别还存在的问题。该文拟对将深度学习应用于人脸识别的研究人员有所帮助。

基于概率的有序信息系统

若信息系统中所有的条件属性都是偏好有序的,则称此信息系统为有序信息系统。首先,分析了区间值有序信息系统没有蕴含属性值区间上的概率分布信息的缺点,建立了一种基于概率的有序信息系统。然后,在这种信息系统上,研究了关于单调偏好有序属性和非单调偏好有序属性的二元偏好关系,建立了一种基于概率的优势关系,定义了基于这种优势关系的粗糙集模型。最后研究了基于概率的有序决策表及其决策规则。

基于动态模板匹配的多禁令标志牌检测方法

禁令交通标志牌检测是智能交通领域中的一个关键问题。针对复杂场景中多个禁令交通标志牌误检率高的问题,该文提出一种基于动态模板匹配的多标志牌检测的方法。首先对禁令标志进行图像预处理,结合颜色阈值分割特征和形状特征两个粒度划分连通区域,然后根据连通区域的边界信息构造动态模板进行多个禁令交通标志牌的检测。实验结果表明,动态模板匹配检测方法在检测伪圆和处理多个标志牌之间粘连方面明显优于Hough变换方法。