本文關(guān)鍵詞：基于卷積神經(jīng)網(wǎng)絡(luò)的大規(guī)模人臉聚類，，由筆耕文化傳播整理發(fā)布。

【摘要】：人臉識別技術(shù)是一種重要的生物特征識別技術(shù),因其方便、安全等特點廣泛應(yīng)用于金融、安防等領(lǐng)域。為了解決在檢索系統(tǒng)中由于人臉圖像的急速增長而導(dǎo)致識別過慢的問題,本文提出了基于卷積神經(jīng)網(wǎng)絡(luò)的大規(guī)模人臉聚類算法。通過聚類技術(shù),原本規(guī)模較大的人臉數(shù)據(jù)庫被劃分成若干個相似庫,從而使檢索的范圍進一步縮小,以提高識別效率。大規(guī)模人臉聚類的技術(shù)難點在于高效的人臉特征和快速準(zhǔn)確的聚類算法。高效的人臉特征主要表現(xiàn)在該特征能從本質(zhì)上區(qū)分不同的人臉,而不受光照、姿勢、表情、遮擋物等因素的影響。區(qū)別于一般的聚類算法,大規(guī)模的人臉聚類算法應(yīng)當(dāng)同時滿足準(zhǔn)確率高和時間復(fù)雜度低等要求。為此,本文通過構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)來提取高效的人臉特征,并在此基礎(chǔ)上探討了經(jīng)典K-means算法和現(xiàn)代主流的CFSFDP算法(Clustering by Fast Search and Find of Density Peaks)的性能問題。本文的主要內(nèi)容如下：1)構(gòu)建了深層的卷積神經(jīng)網(wǎng)絡(luò),即CNN,并通過該網(wǎng)絡(luò)學(xué)習(xí)得到高效的人臉特征。跟傳統(tǒng)的特征提取算法相比,該方法具有不依賴于經(jīng)驗且全面考慮人臉的復(fù)雜性、非線性和高階性等優(yōu)點。實驗結(jié)果表明,基于卷積神經(jīng)網(wǎng)絡(luò)的人臉特征能有效消除光照、姿勢、表情、遮擋物等外在因素的影響,具有良好的魯棒性；2)針對經(jīng)典K-means算法的不足,本文采用K-means++算法來解決聚類中心點初始化隨機性的問題,降低了聚類中心點陷入局部最小值的可能性,同時設(shè)計合適的類簇指標(biāo)來估算k值,克服了k值需要事先設(shè)定的缺點；3)實驗采用MSRA-CFW人臉數(shù)據(jù)庫作為驗證集,該人臉數(shù)據(jù)庫的規(guī)模較大且變化模式復(fù)雜,并通過Rand Index、信息熵和F1-measure指標(biāo)來綜合評價聚類結(jié)果,同時采用混淆矩陣可視化的方法來解決大規(guī)模聚類難以直觀展示其結(jié)果的難題；4)采用CNN、PCA和HOG等特征提取算法與K-means、改進的K-means和CFSFDP等聚類算法來設(shè)計對比實驗,實驗結(jié)果表明,在大規(guī)模人臉聚類的情境下,CNN特征融合K-means++算法的聚類效果更為出色,且只需1組k值估算實驗,其時間復(fù)雜度也較低。
【關(guān)鍵詞】：大規(guī)模人臉聚類 卷積神經(jīng)網(wǎng)絡(luò) Rand Index指標(biāo) 信息熵指標(biāo) F1-measure指標(biāo) 混淆矩陣可視化
【學(xué)位授予單位】：廣東工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.41;TP183
【目錄】：

• 摘要5-6
• ABSTRACT6-12
• 第一章 緒論12-17
• 1.1 研究背景和意義12-13
• 1.2 國內(nèi)外研究現(xiàn)狀13-15
• 1.3 研究任務(wù)與創(chuàng)新點15-16
• 1.4 本文章節(jié)安排16-17
• 第二章 人臉聚類框架設(shè)計17-23
• 2.1 人臉聚類分析的一般步驟17-19
• 2.2 技術(shù)難點及其解決方案19-22
• 2.2.1 特征的魯棒性19-20
• 2.2.2 合適的聚類算法20-21
• 2.2.3 聚類結(jié)果的評價21-22
• 2.3 本章小結(jié)22-23
• 第三章 人臉特征提取23-36
• 3.1 主流的特征提取算法23-24
• 3.2 基于卷積神經(jīng)網(wǎng)絡(luò)的特征提取24-35
• 3.2.1 深度學(xué)習(xí)神經(jīng)學(xué)啟示24-28
• 3.2.2 卷積神經(jīng)網(wǎng)絡(luò)原理28-31
• 3.2.3 卷積神經(jīng)網(wǎng)絡(luò)模型及其特征提取31-35
• 3.3 本章小結(jié)35-36
• 第四章 人臉聚類36-47
• 4.1 傳統(tǒng)聚類算法36-38
• 4.2 現(xiàn)代聚類算法38-39
• 4.3 經(jīng)典K-means 聚類算法及其改進方案39-43
• 4.3.1 K-means 算法39-41
• 4.3.2 K-means++ 算法41-42
• 4.3.3 k值的估算42-43
• 4.4 基于密度極點的聚類算法43-46
• 4.5 本章小結(jié)46-47
• 第五章 聚類評價及其實驗分析47-64
• 5.1 聚類評價指標(biāo)47-51
• 5.1.1 Rand Index 指標(biāo)47
• 5.1.2 信息熵指標(biāo)47-48
• 5.1.3 F_1-measure 指標(biāo)48
• 5.1.4 混淆矩陣可視化48-51
• 5.2 實驗結(jié)果及分析51-63
• 5.2.1 k值估計實驗52-54
• 5.2.2 Rand Index 聚類評價54-55
• 5.2.3 信息熵聚類評價55-56
• 5.2.4 F1-measure 聚類評價56-57
• 5.2.5 聚類結(jié)果可視化57-62
• 5.2.6 總結(jié)與分析62-63
• 5.3 本章小結(jié)63-64
• 結(jié)論64-65
• 參考文獻65-73
• 攻讀學(xué)位期間發(fā)表的論文73-75
• 致謝75

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 云中客;新的神經(jīng)網(wǎng)絡(luò)來自于仿生學(xué)[J];物理;2001年10期

2 唐春明,高協(xié)平;進化神經(jīng)網(wǎng)絡(luò)的研究進展[J];系統(tǒng)工程與電子技術(shù);2001年10期

3 李智;一種基于神經(jīng)網(wǎng)絡(luò)的煤炭調(diào)運優(yōu)化方法[J];長沙鐵道學(xué)院學(xué)報;2003年02期

4 程科,王士同,楊靜宇;新型模糊形態(tài)神經(jīng)網(wǎng)絡(luò)及其應(yīng)用研究[J];計算機工程與應(yīng)用;2004年21期

5 王凡,孟立凡;關(guān)于使用神經(jīng)網(wǎng)絡(luò)推定操作者疲勞的研究[J];人類工效學(xué);2004年03期

6 周麗暉;從統(tǒng)計角度看神經(jīng)網(wǎng)絡(luò)[J];統(tǒng)計教育;2005年06期

7 趙奇 ,劉開第 ,龐彥軍;灰色補償神經(jīng)網(wǎng)絡(luò)及其應(yīng)用研究[J];微計算機信息;2005年14期

8 袁婷;;神經(jīng)網(wǎng)絡(luò)在股票市場預(yù)測中的應(yīng)用[J];軟件導(dǎo)刊;2006年05期

9 尚晉;楊有;;從神經(jīng)網(wǎng)絡(luò)的過去談科學(xué)發(fā)展觀[J];重慶三峽學(xué)院學(xué)報;2006年03期

10 楊鐘瑾;;神經(jīng)網(wǎng)絡(luò)的過去、現(xiàn)在和將來[J];青年探索;2006年04期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 徐春玉;;基于泛集的神經(jīng)網(wǎng)絡(luò)的混沌性[A];1996中國控制與決策學(xué)術(shù)年會論文集[C];1996年

2 周樹德;王巖;孫增圻;孫富春;;量子神經(jīng)網(wǎng)絡(luò)[A];2003年中國智能自動化會議論文集（上冊）[C];2003年

3 羅山;張琳;范文新;;基于神經(jīng)網(wǎng)絡(luò)和簡單規(guī)劃的識別融合算法[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會議論文集[C];2009年

4 郭愛克;馬盡文;丁康;;序言(二)[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

5 鐘義信;;知識論:神經(jīng)網(wǎng)絡(luò)的新機遇——紀(jì)念中國神經(jīng)網(wǎng)絡(luò)10周年[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

6 許進;保錚;;神經(jīng)網(wǎng)絡(luò)與圖論[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

7 金龍;朱詩武;趙成志;陳寧;;數(shù)值預(yù)報產(chǎn)品的神經(jīng)網(wǎng)絡(luò)釋用預(yù)報應(yīng)用[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

8 田金亭;;神經(jīng)網(wǎng)絡(luò)在中學(xué)生創(chuàng)造力評估中的應(yīng)用[A];第十二屆全國心理學(xué)學(xué)術(shù)大會論文摘要集[C];2009年

9 唐墨;王科俊;;自發(fā)展神經(jīng)網(wǎng)絡(luò)的混沌特性研究[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學(xué)學(xué)報（增刊）][C];2009年

10 張廣遠(yuǎn);萬強;曹海源;田方濤;;基于遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的故障診斷方法研究[A];第十二屆全國設(shè)備故障診斷學(xué)術(shù)會議論文集[C];2010年

中國重要報紙全文數(shù)據(jù)庫 前10條

1 美國明尼蘇達大學(xué)社會學(xué)博士 密西西比州立大學(xué)國家戰(zhàn)略規(guī)劃與分析研究中心資深助理研究員 陳心想;維護好創(chuàng)新的“神經(jīng)網(wǎng)絡(luò)硬件”[N];中國教師報;2014年

2 盧業(yè)忠;腦控電腦 驚世駭俗[N];計算機世界;2001年

3 葛一鳴 路邊文;人工神經(jīng)網(wǎng)絡(luò)將大顯身手[N];中國紡織報;2003年

4 中國科技大學(xué)計算機系　邢方亮;神經(jīng)網(wǎng)絡(luò)挑戰(zhàn)人類大腦[N];計算機世界;2003年

5 記者 孫剛;“神經(jīng)網(wǎng)絡(luò)”：打開復(fù)雜工藝“黑箱”[N];解放日報;2007年

6 本報記者 劉霞;美用DNA制造出首個人造神經(jīng)網(wǎng)絡(luò)[N];科技日報;2011年

7 健康時報特約記者　 張獻懷;干細(xì)胞移植：修復(fù)受損的神經(jīng)網(wǎng)絡(luò)[N];健康時報;2006年

8 劉力;我半導(dǎo)體神經(jīng)網(wǎng)絡(luò)技術(shù)及應(yīng)用研究達國際先進水平[N];中國電子報;2001年

9 ;神經(jīng)網(wǎng)絡(luò)和模糊邏輯[N];世界金屬導(dǎo)報;2002年

10 鄒麗梅 陳耀群;江蘇科大神經(jīng)網(wǎng)絡(luò)應(yīng)用研究通過鑒定[N];中國船舶報;2006年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 楊旭華;神經(jīng)網(wǎng)絡(luò)及其在控制中的應(yīng)用研究[D];浙江大學(xué);2004年

2 李素芳;基于神經(jīng)網(wǎng)絡(luò)的無線通信算法研究[D];山東大學(xué);2015年

3 石艷超;憶阻神經(jīng)網(wǎng)絡(luò)的混沌性及幾類時滯神經(jīng)網(wǎng)絡(luò)的同步研究[D];電子科技大學(xué);2014年

4 王新迎;基于隨機映射神經(jīng)網(wǎng)絡(luò)的多元時間序列預(yù)測方法研究[D];大連理工大學(xué);2015年

5 付愛民;極速學(xué)習(xí)機的訓(xùn)練殘差、穩(wěn)定性及泛化能力研究[D];中國農(nóng)業(yè)大學(xué);2015年

6 李輝;基于粒計算的神經(jīng)網(wǎng)絡(luò)及集成方法研究[D];中國礦業(yè)大學(xué);2015年

7 王衛(wèi)蘋;復(fù)雜網(wǎng)絡(luò)幾類同步控制策略研究及穩(wěn)定性分析[D];北京郵電大學(xué);2015年

8 張海軍;基于云計算的神經(jīng)網(wǎng)絡(luò)并行實現(xiàn)及其學(xué)習(xí)方法研究[D];華南理工大學(xué);2015年

9 李艷晴;風(fēng)速時間序列預(yù)測算法研究[D];北京科技大學(xué);2016年

10 陳輝;多維超精密定位系統(tǒng)建模與控制關(guān)鍵技術(shù)研究[D];東南大學(xué);2015年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 章穎;混合不確定性模塊化神經(jīng)網(wǎng)絡(luò)與高校效益預(yù)測的研究[D];華南理工大學(xué);2015年

2 賈文靜;基于改進型神經(jīng)網(wǎng)絡(luò)的風(fēng)力發(fā)電系統(tǒng)預(yù)測及控制研究[D];燕山大學(xué);2015年

3 李慧芳;基于憶阻器的渦卷混沌系統(tǒng)及其電路仿真[D];西南大學(xué);2015年

4 陳彥至;神經(jīng)網(wǎng)絡(luò)降維算法研究與應(yīng)用[D];華南理工大學(xué);2015年

5 董哲康;基于憶阻器的組合電路及神經(jīng)網(wǎng)絡(luò)研究[D];西南大學(xué);2015年

6 武創(chuàng)舉;基于神經(jīng)網(wǎng)絡(luò)的遙感圖像分類研究[D];昆明理工大學(xué);2015年

7 李志杰;基于神經(jīng)網(wǎng)絡(luò)的上證指數(shù)預(yù)測研究[D];華南理工大學(xué);2015年

8 陳少吉;基于神經(jīng)網(wǎng)絡(luò)血壓預(yù)測研究與系統(tǒng)實現(xiàn)[D];華南理工大學(xué);2015年

9 張韜;幾類時滯神經(jīng)網(wǎng)絡(luò)穩(wěn)定性分析[D];渤海大學(xué);2015年

10 邵雪瑩;幾類時滯不確定神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性分析[D];渤海大學(xué);2015年

  本文關(guān)鍵詞：基于卷積神經(jīng)網(wǎng)絡(luò)的大規(guī)模人臉聚類，由筆耕文化傳播整理發(fā)布。

本文編號：363912