论文部分内容阅读
针对传统结构的深度卷积神经网络对非约束条件下的人脸识别性能较差等问题,受到人对图像识别时多尺度多特征融合的启发,提出一种基于多卷积多尺度特征的人脸识别方法。对输入的图片使用两个相对独立不同粒度的子卷积网络进行特征提取;对于模型的对象分类,采用来自不同特征提取单层的特征提取结果,在YouTube和AR等两个人脸库上对所提方法进行实验。实验结果表明,与传统结构系统相比,改进结构后,系统的识别率有了明显提高,为传统的CNN模型层数过深时,特征来源受限提供了一种解决思路。