10.3969/j.issn.2095-2163.2019.05.017
基于改进LeNet-5的人脸识别研究
近些年来,深度学习逐渐走人大众视野,并在譬如语音识别、人脸检测等方面发挥着举足轻重的作用.本文利用深度学习的优势,根据学术界的发展,使用Tensorflow在LeNet-5的基础上,创新地将2个卷积层的卷积核数目增长到15与20个,并且增加了批归一化与Dropout两种模型处理手段,减少过拟合的出现,提升模型泛化程度.实验结果从测试准确率来分析,结果表明增加了批归一化与Dropout的效果最好,单一地增加二者之一对精度损失微乎其微;验证了改进后的LeNet-5模型对校园内单一年龄段的人脸识别有着良好的效果.
卷积神经网络、深度学习、人脸识别
9
TP391(计算技术、计算机技术)
南京大学金陵学院重点课题0010521806;教育部产学合作协同育人项目201802003026,201802026004
2020-01-13（万方平台首次上网日期，不代表论文的发表时间）
共5页
75-79
