一种基于前向无监督卷积神经网络的人脸表示学习方法.PDFVIP

Vo l. 43 No.6 第 43 卷第6 期 计算机科学 2016 年 6 月 Computer Science June 2016 一种基于前向无监督卷积神经网络的人脸表示学习方法 朱陶1 任海军2 洪卫军1 (中国人民公安大学警务信息工程学院 北京 100038)1 (重庆大学软件学院 重庆 400044)2 摘 要 当前基于深度卷积神经网络的人脸表示学习方法需要利用海量的有标泣的人脸数据。在实际应用中，精确 标注人脸的身份非常困难。因此，提出了一种基于前向无监督卷积神经网络的人脸表示学习方法。其中，基于 k means 聚类获取训练样本虚拟标签，再利用线性判别分析进行卷积核学习。提出的网络结构简单有效，训练阶段不需 要反向传递，训练速度显著优于有监督的深度卷和、神经网络。实验结果表明，提出的方法在真实条件下的人脸数据集 LFW和经典的 Feret 数据集上取得了优于当前主流的元监督特征学习方法和局部特征描述子的性能。 关键词 元监督学习，卷和、神经网络，人脸识别，表示学习 中固法分类号 TP39 1. 4 文献标识码 A DOI 10. 11896/j. issn. 1002-137)♀ 2016.6.060 Forward and Unsupervised Convolutional Neural Network ßased Face Representation Learning Method ZHU Tao 1 REN Hai-jun2 HONG Wei-jun1 (College of Police Information Engineering.Peoples Public Security University of China ,Beijing 100038 ,China)1 (College of Software Engineering ,Chongqing University ,Chongqing 400044 ,China)2 Abstract The existing face representation learning methods based on deep convolutional neural network demand mas sive labeled face dataset. In real-world application ,it is difficult to precistly annotate the labels of face dataset. In this paper ,an unsupervised forward convolutional neural network based face representation learning algorithm was pro posed. By design ,virtuallabels of training samples were abtained based on K-means clustering and then convolution ker- nels were learnt by linear discriminant analysis. The network architecture in this paper is simple and effecitve and does not need back propagation during training