Indexed by:
Abstract:
基于深度学习的人脸特征点检测会因环境明亮程度、人体姿态、人脸表情等因素影响检测结果的鲁棒性.采用基于优化的并行卷积神经网络模型,将人脸图像切分为3个互有重叠且各带一个颜色通道的子图像,对应3个不同的模型,将模型结果加权平均,得到人脸特征点坐标.其中模型均采用AlexNet模型,针对子图像尺寸特征修改卷积核尺寸以及输出特征图数量,并引入批归一化层,归一化隐藏层中激活函数的输出值,降低误差的同时减少迭代次数.最后在LFW人脸数据集上进行验证,结果表明,优化的算法准确率达到99%以上,迭代次数减少约4000次,误差降低了44.57%.
Keyword:
Reprint 's Address:
Email:
Version:
Source :
信息技术与网络安全
ISSN: 2096-5133
CN: 10-1543/TP
Year: 2018
Issue: 4
Volume: 37
Page: 65-70
Cited Count:
SCOPUS Cited Count:
ESI Highly Cited Papers on the List: 0 Unfold All
WanFang Cited Count: -1
Chinese Cited Count:
30 Days PV: 2
Affiliated Colleges: