摘要随着人脸识别技术的推广和使用，对人脸识别的准确率的要求也越来越高，本文旨在研究图像的特征提取的方法来得到高准确率的模型。采用深度学习中的卷积神经网络模型，用MATLAB实现了正确率高达97。885%的人脸识别模型。通过卷积神经网络模型自身的对比实验，我们发现数据集的大小和训练次数对模型的准确率有较大影响。在与MLP、RBF、ELM模型的对比实验中，卷积神经网络以其精准的分类能力，充分体现了该模型的优越性。卷积神经网络由于其结构特点导致参数规模很大。虽然卷积神经网络的分类效果很好，但是海量的训练数据和漫长的训练过程致使其泛化能力较弱。74286
毕业论文关键词 人脸识别 卷积神经网络 特征提取
毕业设计说明书外文摘要
Title Application of deep learning algorithms in face recognition
Abstract With the wide use of face recognition technology, we have much more strict requirements on the accuracy of face recognition。 In this paper ,we aim to study image feature extraction methods to obtain a model with high recognition accuracy。 We build a face recognition system in convolutional neural networks,with an accuracy of 97。885% in MATLAB。The experiments on convolutional neural networks model show that the size of dataset and the number of iterative training have great impact on the accuracy of the model。 Compared to the MLP,RBF and ELM model ,the CNN model achieves better performances in recognition accuracy, showing its advantages。The depth network model of CNN model leads to the large number of parameters。 Although the CNN model has a good classification performance, the requirement of huge training data and the long training time make its generalization capability weak。
Keywords face recognition convolutional neural network feature extraction
目次
1 绪论 1
1。1 研究背景 1
1。2 研究意义 1
1。4 论文的主要工作及内容安排 3
2 人脸识别技术及常用方法介绍 5
2。1 人脸识别技术 5
2。2 常用方法介绍 6
3 基于深度学习的人脸识别模型 10
3。1 深度学习概述 10
3。2 卷积神经网络 10
4 基于深度卷积神经网络的人脸识别算法的实现及实验 17
4。1 人脸识别系统的实现 17
4。2 人脸识别的实验测试 20
结 论 26
参 考 文 献 27
发表论文 29
1 绪论
1。1 研究背景
随着科技的发展，根据人体的某些特征来判别人物身份的特征识别技术已经逐渐发展成为安全验证的一种重要方式。生物特征识别技术[1]根据人体特征来判别身份，其融合了多个学科知识。生物特征识别技术因其具有唯一性、便捷性、可靠性和不易窃取等特点而优于传统的身份验证方法。论文网 深度学习算法在人脸识别中的应用研究:http://www.youerw.com/jisuanji/lunwen_84848.html