搜索资源 - pcanet人脸识别

搜索资源列表

人脸识别综述:从子空间回归到深度学习
人脸识别技术介绍：从子空间回归到深度学习，深入分析了以图像梯度方向和韦伯脸为代表的“浅层”特征所引发的零和差异现象，以PCANet 代表的将卷积神经网络与经典的“特征图-模式图-柱状图”特征提取框架相结合的编码原理
所属分类：深度学习
- 发布日期：2017-12-05
- 文件大小：4194304
- 提供者：woshicsdn7547

基于深度学习的图像分类方法研究_孟丹.caj
本文在深度学习框架的基础上对特征提取方法进行了研究,并通过医学图像、人脸表情的检测和分类对其效果进行了验证。本文的研究内容主要包括以下三点:1)提出有约束的高分散主成分分析网络(Constrained High Dispersal PCANet,CHDNet)。本文详细分析了 CHDNet的不同组件对分类性能的影响,针对PCANet的局限性,设计了非线性变化层、多尺度特征池化层,以提高分类性能。将CHDNet应用在医学图像分类中,包括基于Kinect深度图像的人体生理机能自动检测和计算机辅助舌象
所属分类：深度学习
- 发布日期：2020-04-02
- 文件大小：6291456
- 提供者：olivia_ye

基于深浅特征融合的人脸识别
针对传统的浅层特征所提取特征的判别性有限、深度特征需要大量带标记样本且训练过程耗时长的问题，提出一种深度及浅层特征融合算法用于人脸识别。首先提取人脸的HOG特征并进行判别性降维；同时，提取人脸图像的PCANet特征并降维；其次，将降维后的深浅特征进行融合，并进一步提取判别性特征；最后，采用SVM分类器进行分类并在AR和Yale B数据库上对算法进行验证。实验结果证明，该算法能够比单独选用深度特征和浅层特征进行分类达到更高的识别率，且对特征维数具有更强的鲁棒性。
所属分类：其它
- 发布日期：2020-10-15
- 文件大小：514048
- 提供者：weixin_38658982