卷积神经网络方法的人脸识别

卷积神经网络方法的人脸识别(中文5600字,英文PDF)
摘要
本文提出了一种卷积神经网络(CNN)方法用于人脸识别工作。我们提出一个由两个CNN组成的“Siamese”架构，每个CNN通过融合卷积和子采样层，减少到只有四层。网络训练采用退火全局下降学习速率的随机梯度下降算法进行。通过对人脸图像的独特配对，研究了网络的泛化能力，并在AT&T 人脸数据库上进行了测试。实验结果表明，该CNN系统能够在0.6毫秒内对一对46×46像素的人脸图像进行分类，与具有级联卷积和子采样层的等效网络结构相比，这种网络结构明显更快。验证精度为3.33%EER(等错误率)。学习收敛于20个epochs，该技术可以对训练中未见的测试对象进行验证。这项工作显示了“Siamese”CNN在人脸识别方面的应用能力，目前正在对该体系结构进行进一步改进，以提高其性能。
关键字：人脸识别;卷积神经网络;Siamese架构;卷积;二次抽样