基于深度学习的多形态人脸识别-软件工程专业论文.docxVIP

研究生优秀毕业论文 大连理工大学硕士学位论文摘 大连理工大学硕士学位论文 摘 要 现在流行的一些机器学习方法大部分使用的是浅层结构，包括只有一个隐藏层的神 经网络、核回归、支撑向量机等其他方法。心理学研究表明，在样本和计算单元有限的 情况之下，这些浅层的结构对比较复杂函数的表示能力是有限的，当输入信号为视觉信 息时浅层结构表现出更强的制约现象。深度学习能够实现对复杂的视觉信息的分布式表 示，通过多层次的网络结构学习深度的本质信息，逼近现实的复杂数据结构，体现出抽 取输入的样本数据的本质特征的能力。受到多种因素的制约，如姿态变化、表情变化以 及分辨率低的影响，造成许多算法对人脸图像识别性能的大幅度下降，尤其是姿态变化 带给人脸识别问题巨大的挑战，因此本文利用非线性的深度神经网络的方法，针对具有 姿态、表情和分辨率单一或多变化情况下，提出了一种基于非线性深度网络的多形态人 脸识别算法。 本文利用深度网络，将高维的原始数据映射成低维的特征数据，令同一个人的不同 形态的图像尽可能聚集在一起。通过两个结构相同的神经网络，分别将正面人脸图像和 侧面人脸图像映射到低维特征空间，保持局部的邻域信息，实现了具有多形态的入脸识 别方法。实验验证了基于深度神经网络的非线性映射模型，可以学习到具有不同表情、 分辨率的侧面人脸图像和无表情的高分辨率的正面人脸图像之间的一个全局映射，保持 原始空间和特征空间