【摘 要】
：
近年来,因具有更强大的特征学习和特征表达能力,基于深度学习算法训练的卷积神经网络在计算机视觉领域取得了令人瞩目的成绩。鉴此,本文基于深度学习算法,使用Tensor Flow深度学习框架和Python语言,研究了人脸左、右倾斜条件下,在视频帧中实时的人脸身份和人脸表情识别问题。主要工作如下:（1）对传统的Le Net-5网络的结构进行了改进。在改进的Le Net-5网络结构中采用参数更少的3*3卷积
论文部分内容阅读
近年来,因具有更强大的特征学习和特征表达能力,基于深度学习算法训练的卷积神经网络在计算机视觉领域取得了令人瞩目的成绩。鉴此,本文基于深度学习算法,使用Tensor Flow深度学习框架和Python语言,研究了人脸左、右倾斜条件下,在视频帧中实时的人脸身份和人脸表情识别问题。主要工作如下:（1）对传统的Le Net-5网络的结构进行了改进。在改进的Le Net-5网络结构中采用参数更少的3*3卷积核和非线性分类能力强的Softmax分类器;并受Inception网络启发,对Le Net-5网络输入层使用不同尺寸大小的卷积核来提取特征。进而在orl人脸数据集上通过实验验证改进网络结构的有效性;且通过控制相同变量方法,比较了Re LU、Tanh、Swish不同激活函数之间,BGD、Adagrad、Adadelta、Adam不同优化算法之间,对网络性能影响的差异,从而为后续实验激活函数和优化算法的选择做准备。（2）改进VGG-16网络的结构,通过删除所有全连接层,采用全局平局池化技术,以减少网络大部分训练参数;在部分卷积层之后使用批标准技术,以优化该层输入数据的分布,更有利于网络训练。并在cifar-10数据集上测试改进网络结构的有效性。（3）结合MySQL数据库,在人脸左、右倾斜条件下设计了人脸识别系统。为达到清晰利于网络识别的效果,对输入网络的人脸图像进行直方图均衡及中值滤波处理;并利用Inception网络在同一卷积层采用不同尺寸卷积核提取特征和VGG-16网络双卷积核堆叠提取特征的优点,加入全局平均池化和批标准化技术,设计出人脸身份模型CNN-1及人脸表情模型CNN-2,并在相关数据集上进行训练。最后对整个人脸识别系统进行了综合测试。测试表明设计的人脸识别系统具有良好的识别性能。
其他文献
令φ,Ψ为开单位圆盘D上的解析自映射,u,u为D上的解析函数,n为非负整数.加权微分复合算子的差Dφ,un-DΨ,Vn定义为:（Dφ,un-DΨ,vn）（f）（z）=u（z）f（n）（φ（z））-v（z）f（n）（Ψ（z））,f∈H（D）,z∈D.本文应用伪双曲度量来刻画从F（p,q,s）（或F0（p,q,s））空间到Hμ∞（或Hμ,0∞）空间上的加权微分复合算子的差的有界性和紧性.全文共分为三章
翻转课堂作为一种新兴的教学模式,在信息化和大数据的环境下应运而生符合我国新高中数学教育改革的要求。它突破了传统班级授课制的局限,打破了时空限制,是实现课前自学、课上交流互动、协同创新、知识内化迁移,实现个性化教学、突出学生自主、教师主导的双主体模式,充分调动了学生学习的自主性与积极性。针对高中数学学科,如何创新设计翻转课堂,并在此模式下展开个性化教学,提高学生的自主性,是当前研究的热点问题。本研究
本文主要讨论一类非线性分数阶Schr?dinger方程组驻波解的存在性及其轨道稳定性.在整篇文章中,我们主要运用的工具是变分法.本文主要由五部分组成.在第一章中,我们描述本文所研究问题的背景及主要结果.在第二章中,我们给出了一些基本知识及必要的符号说明.在第三章中,考虑如下非线性分数阶Schr?dinger方程组在常数势μ=0的情形下解的性质.这里0<α<1,i=（-1）1/2,N≥1,（H0）:
Belousov-Zhabotinskii系统和KdV方程都是具有重要意义的非线性微分方程.Belousov-Zhabotinskii系统在生物和化学等领域有着十分重要的应用,KdV方程也常常被用于离子体磁流波,非谐振晶体振动,离子声波等物理学领域.本文主要讨论的是带有时滞的Belousov-Zhabotinskii系统以及KdV方程.通过行波变换,将Belousov-Zhabotinskii系统
本文证明了最大度为4的平面图是强边列表19可染的。图的边染色就是对图中所有边染色,使得任意两条相邻边都染不一样的颜色,将满足图边染色的最小颜色数记作χ’（G）,将满足图强边染色的最小颜色数记作χs’（G）。图的强边染色是在图的边染色基础上进一步要求,使得任意一条长为3的路都出现3种不同的颜色。图的强边列表染色是广义范围的强边染色,给定每条边e一个列表L（e）,从列表L（e）中选择颜色染边e,并且要
平均化原理是研究快-慢系统动力学模型的一个重要方法,凭借其简单,可以降维,效率高等优点在动力学研究中被广泛应用.因此,平均化原理的研究具有重要科学意义和实际指导价值.本学位论文研究Wiener过程和Poisson过程驱动的一维随机Burgers方程的平均化原理,并给出慢系统的解收敛到平均化方程解的速度的估计:#12具体分为以下几个步骤完成:第一,给出（Xtε,Ytε）的一些先验估计.第二,对于任意
高分辨率遥感影像作为各种地物信息的综合体,地物细节信息丰富,传统的人工遥感影像目标识别技术和基于像元的遥感影像分类方法无法满足人们对高分辨率遥感影像目标识别的精度要求与时效要求。因此,研究新的高分辨率遥感影像目标识别方法具有重要的理论研究意义与应用价值。深度学习是机器学习的一个重要分支,在实际应用中表现良好甚至达到了人眼识别的水平。卷积神经网络（Convolutional Neural Netwo
本文主要在推广的变分框架下,证明了一类带有局部单调系数且由可乘噪声驱动的非线性随机偏微分方程的指数稳定性。我们首先研究了对应确定性方程平稳解X∞的存在性与唯一性,并证明了平稳解具有指数稳定性。然后我们假设在噪声项满足一定条件时,平稳解X∞也是该类随机偏微分方程的平稳解。在此基础上,进一步研究了该类方程在满足局部单调性条件与增长性条件下的两种稳定性。另外,我们利用足够强度的可乘It?噪声得到了方程在
平均化原理在材料科学、化学、流体力学、生物学、生态学、气候动力学等领域有着广泛应用,因此,对随机偏微分方程平均化原理受到国内外随机分析专家和学者的关注和研究.但几乎所有研究成果大都集中在线性情形,关于非线性系统的结果很少.本学位论文研究了可乘噪声驱动的2维随机Navier-Stokes方程的平均化原理,即是带有两个时间尺度的平均化原理,其中慢系统为2维随机Navier-Stokes方程,快系统为随
本文主要研究如下带Hardy位势的拟线性椭圆方程其中N>p>1,σ>-p,??RN是一个区域,N≥3,并且0∈?.我们将主要研究该类方程正解的存在唯一性和正解的渐近性质.首先给出方程（P）的最大正解和最小正解的存在性,进而建立正解的上下渐近估计;然后,去研究正解的唯一性和正解的准确渐近性,即证明如下结论:（i）当?=BR（0）,σ≥0时,带Dirichlet边界条件的方程（P）有唯一正解;（ii）