機器學習專門研究計算機怎樣模擬或?qū)崿F(xiàn)人類的學習行為,以獲取新的知識或技能,為包括人臉識別領(lǐng)域的人工智能的發(fā)展做出了極大的貢獻。本文探索如何應用機器學習中的一些技術(shù),使計算機更好地完成人臉識別領(lǐng)域中的人臉檢測和人臉驗證。在人臉檢測方面,針對如何快速、準確地檢出人臉的問題,提出了一種使用特征融合的卷積神經(jīng)網(wǎng)絡(luò)。首先快速提取圖像的梯度方向直方圖（HOG）,然后使用能快速對多種物體進行檢測的卷積神經(jīng)網(wǎng)絡(luò)YOLO提取圖像特征,最后將YOLO提取出的特征與HOG進行融合,并將融合后的特征作為特征圖。在訓練過程中,引入了多任務(wù)學習和復雜樣本處理,使本文提出的卷積神經(jīng)網(wǎng)絡(luò)能夠進行目標定位與分類,并提高訓練效果。隨后為進一步提高算法的性能,對學習器進行了改進,使用隨機森林替換全連接層。在通用的人臉檢測數(shù)據(jù)集FDDB進行的實驗分析,證實了上述方法可大幅提高檢測人臉的性能。在人臉驗證任務(wù)中,為準確地對人臉圖像進行身份驗證,本文同樣應用了使用特征融合的卷積神經(jīng)網(wǎng)絡(luò),并在損失函數(shù)方面進行了修改。根據(jù)最鄰近算法的思想,本文使用了三元損失函數(shù),令人臉圖片之間的相似度能被更好地量化,從而提高人臉驗證的準確率。為了在使... 

【文章來源】：海南大學海南省 211工程院校

【文章頁數(shù)】：45 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 課題研究背景
    1.2 課題研究現(xiàn)狀
    1.3 主要研究工作
    1.4 論文結(jié)構(gòu)安排
2 人臉識別系統(tǒng)關(guān)鍵技術(shù)
    2.1 人工神經(jīng)網(wǎng)絡(luò)
        2.1.1 神經(jīng)元模型
        2.1.2 多層網(wǎng)絡(luò)與反向傳播算法
        2.1.3 深度學習
    2.2 手工特征提取
        2.2.1 邊緣檢測
        2.2.2 關(guān)鍵點提取
    2.3 機器學習的常用方法
        2.3.1 監(jiān)督學習
        2.3.2 集成學習
    2.4 本章小結(jié)
3 人臉檢測算法
    3.1 基于神經(jīng)網(wǎng)絡(luò)的的人臉檢測算法
        3.1.1 特征提取與特征融合
        3.1.2 多任務(wù)學習與復雜樣本處理
        3.1.3 判別標準
        3.1.4 用隨機森林替換全連接層
    3.2 實驗與結(jié)果
        3.2.1 數(shù)據(jù)集介紹
        3.2.2 實驗過程
        3.2.3 實驗結(jié)果
    3.3 本章小結(jié)
4 人臉驗證算法
    4.1 基于三元損失函數(shù)的人臉驗證算法
        4.1.1 算法總體結(jié)構(gòu)
        4.1.2 三元損失函數(shù)
        4.1.3 生成三元組
    4.2 實驗與結(jié)果
        4.2.1 數(shù)據(jù)集介紹
        4.2.2 實驗過程
        4.2.3 實驗結(jié)果
    4.3 本章小結(jié)
5 總結(jié)與展望
參考文獻
碩士期間發(fā)表論文與獲獎情況
致謝


【參考文獻】：
期刊論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的快速人臉檢測算法[J]. 陳益民,白勇,黎傳琛.  海南大學學報(自然科學版). 2018(04)
[2]基于主成分分析和對數(shù)幾率回歸的硬件木馬檢測[J]. 張金玲,呂蕾.  計算機工程與科學. 2018(07)
[3]融合YCbCr膚色模型與改進的Adaboost算法的人臉檢測[J]. 崔鵬,燕天天.  哈爾濱理工大學學報. 2018(02)
[4]一種基于改進LBP特征的人臉檢測方法[J]. 陶西浩,萬定生,楊志勇.  信息技術(shù). 2018(02)
[5]基于SIFT和SURF的巖石鑄體薄片圖像特征匹配[J]. 程國建,趙媛,強新建,魏新善.  電腦知識與技術(shù). 2017(06)
[6]基于SVM和HOG的人臉檢測算法[J]. 趙峰.  信息技術(shù)與信息化. 2013(06)
[7]基于尺度不變特征變換和SVM的人臉檢測算法[J]. 趙驥,吳金龍,艾青.  計算機應用與軟件. 2013(07)

博士論文
[1]基于特征子空間的跨視角步態(tài)識別研究[D]. 徐萬江.蘇州大學 2017

碩士論文
[1]基于深度學習的軟件缺陷預測方法研究與應用[D]. 薛參觀.南京航空航天大學 2018
[2]基于稀疏表示的人臉識別算法研究[D]. 朱偉冬.蘇州大學 2011



本文編號：3468999