网站首页
教育杂志
CSSCI期刊 北大期刊 CSCD期刊 统计源期刊 知网收录期刊 维普收录期刊 万方收录期刊 SCI期刊(美)
医学杂志
CSSCI期刊 北大期刊 CSCD期刊 统计源期刊 知网收录期刊 维普收录期刊 万方收录期刊 SCI期刊(美)
经济杂志
CSSCI期刊 北大期刊 CSCD期刊 统计源期刊 知网收录期刊 维普收录期刊 万方收录期刊 SCI期刊(美)
金融杂志
CSSCI期刊 北大期刊 CSCD期刊 统计源期刊 知网收录期刊 维普收录期刊 万方收录期刊 SCI期刊(美)
管理杂志
CSSCI期刊 北大期刊 CSCD期刊 统计源期刊 知网收录期刊 维普收录期刊 万方收录期刊 SCI期刊(美)
科技杂志
CSSCI期刊 北大期刊 CSCD期刊 统计源期刊 知网收录期刊 维普收录期刊 万方收录期刊 SCI期刊(美)
工业杂志
CSSCI期刊 北大期刊 CSCD期刊 统计源期刊 知网收录期刊 维普收录期刊 万方收录期刊 SCI期刊(美)
SCI杂志
中科院1区 中科院2区 中科院3区 中科院4区
全部期刊
公务员期刊网 精选范文 卷积神经网络的关键技术范文

卷积神经网络的关键技术精选(九篇)

前言:一篇好文章的诞生,需要你不断地搜集资料、整理思路,本站小编为你收集了丰富的卷积神经网络的关键技术主题范文,仅供参考,欢迎阅读并收藏。

第1篇:卷积神经网络的关键技术范文

关键词人脸识别;特征提取

1人脸识别技术概述

近年来,随着计算机技术的迅速发展,人脸自动识别技术得到广泛研究与开发,人脸识别成为近30年里模式识别和图像处理中最热门的研究主题之一。人脸识别的目的是从人脸图像中抽取人的个性化特征,并以此来识别人的身份。一个简单的自动人脸识别系统,包括以下4个方面的内容:

(1)人脸检测(Detection):即从各种不同的场景中检测出人脸的存在并确定其位置。

(2)人脸的规范化(Normalization):校正人脸在尺度、光照和旋转等方面的变化。

(3)人脸表征(FaceRepresentation):采取某种方式表示检测出人脸和数据库中的已知人脸。

(4)人脸识别(Recognition):将待识别的人脸与数据库中的已知人脸比较,得出相关信息。

2人脸识别算法的框架

人脸识别算法描述属于典型的模式识别问题,主要有在线匹配和离线学习两个过程组成,如图1所示。

图1一般人脸识别算法框架

在人脸识别中,特征的分类能力、算法复杂度和可实现性是确定特征提取法需要考虑的因素。所提取特征对最终分类结果有着决定性的影响。分类器所能实现的分辨率上限就是各类特征间最大可区分度。因此,人脸识别的实现需要综合考虑特征选择、特征提取和分类器设计。

3人脸识别的发展历史及分类

人脸识别的研究已经有相当长的历史,它的发展大致可以分为四个阶段:

第一阶段:人类最早的研究工作至少可追朔到二十世纪五十年代在心理学方面的研究和六十年代在工程学方面的研究。

J.S.Bruner于1954年写下了关于心理学的Theperceptionofpeople,Bledsoe在1964年就工程学写了FacialRecognitionProjectReport,国外有许多学校在研究人脸识别技术[1],其中有从感知和心理学角度探索人类识别人脸机理的,如美国TexasatDallas大学的Abdi和Tool小组[2、3],由Stirling大学的Bruce教授和Glasgow大学的Burton教授合作领导的小组等[3];也有从视觉机理角度进行研究的,如英国的Graw小组[4、5]和荷兰Groningen大学的Petkov小组[6]等。

第二阶段:关于人脸的机器识别研究开始于二十世纪七十年代。

Allen和Parke为代表,主要研究人脸识别所需要的面部特征。研究者用计算机实现了较高质量的人脸灰度图模型。这一阶段工作的特点是识别过程全部依赖于操作人员,不是一种可以完成自动识别的系统。

第三阶段:人机交互式识别阶段。

Harmon和Lesk用几何特征参数来表示人脸正面图像。他们采用多维特征矢量表示人脸面部特征,并设计了基于这一特征表示法的识别系统。Kaya和Kobayashi则采用了统计识别方法,用欧氏距离来表征人脸特征。但这类方法需要利用操作员的某些先验知识,仍然摆脱不了人的干预。

第四阶段:20世纪90年代以来,随着高性能计算机的出现,人脸识别方法有了重大突破,才进入了真正的机器自动识别阶段。在用静态图像或视频图像做人脸识别的领域中,国际上形成了以下几类主要的人脸识别方法:

1)基于几何特征的人脸识别方法

基于几何特征的方法是早期的人脸识别方法之一[7]。常采用的几何特征有人脸的五官如眼睛、鼻子、嘴巴等的局部形状特征。脸型特征以及五官在脸上分布的几何特征。提取特征时往往要用到人脸结构的一些先验知识。识别所采用的几何特征是以人脸器官的形状和几何关系为基础的特征矢量,本质上是特征矢量之间的匹配,其分量通常包括人脸指定两点间的欧式距离、曲率、角度等。

基于几何特征的识别方法比较简单、容易理解,但没有形成统一的特征提取标准;从图像中抽取稳定的特征较困难,特别是特征受到遮挡时;对较大的表情变化或姿态变化的鲁棒性较差。

2)基于相关匹配的方法

基于相关匹配的方法包括模板匹配法和等强度线方法。

①模板匹配法:Poggio和Brunelli[10]专门比较了基于几何特征的人脸识别方法和基于模板匹配的人脸识别方法,并得出结论:基于几何特征的人脸识别方法具有识别速度快和内存要求小的优点,但在识别率上模板匹配要优于基于几何特征的识别方法。

②等强度线法:等强度线利用灰度图像的多级灰度值的等强度线作为特征进行两幅人脸图像的匹配识别。等强度曲线反映了人脸的凸凹信息。这些等强度线法必须在背景与头发均为黑色,表面光照均匀的前提下才能求出符合人脸真实形状的等强度线。

3)基于子空间方法

常用的线性子空间方法有:本征子空间、区别子空间、独立分量子空间等。此外,还有局部特征分析法、因子分析法等。这些方法也分别被扩展到混合线性子空间和非线性子空间。

Turk等[11]采用本征脸(Eigenfaces)方法实现人脸识别。由于每个本征矢量的图像形式类似于人脸,所以称本征脸。对原始图像和重构图像的差分图像再次进行K-L变换,得到二阶本征空间,又称二阶本征脸[12]。Pentland等[13]提出对于眼、鼻和嘴等特征分别建立一个本征子空间,并联合本征脸子空间的方法获得了好的识别结果。Shan等[14]采用特定人的本征空间法获得了好于本征脸方法的识别结果。Albert等[15]提出了TPCA(TopologicalPCA)方法,识别率有所提高。Penev等[16]提出的局部特征分析(LFALocalFeatureAnalysis)法的识别效果好于本征脸方法。当每个人有多个样本图像时,本征空间法没有考虑样本类别间的信息,因此,基于线性区别分析(LDALinearDiscriminantAnalysis),Belhumeur等[17]提出了Fisherfaces方法,获得了较好的识别结果。Bartlett等[18]采用独立分量分析(ICA,IndependentComponentAnalysis)的方法识别人脸,获得了比PCA方法更好的识别效果。

4)基于统计的识别方法

该类方法包括有:KL算法、奇异值分解(SVD)、隐马尔可夫(HMM)法。

①KL变换:将人脸图像按行(列)展开所形成的一个高维向量看作是一种随机向量,因此采用K-L变换获得其正交K-L基底,对应其中较大特征值基底具有与人脸相似的形状。国外,在用静态图像或视频图像做人脸识别的领域中,比较有影响的有MIT的Media实验室的Pentland小组,他们主要是用基于KL变换的本征空间的特征提取法,名为“本征脸(Eigenface)[19]。

②隐马尔可夫模型:剑桥大学的Samaria和Fallside[20]对多个样本图像的空间序列训练出一个HMM模型,它的参数就是特征值;基于人脸从上到下、从左到右的结构特征;Samatia等[21]首先将1-DHMM和2-DPseudoHMM用于人脸识别。Kohir等[22]采用低频DCT系数作为观察矢量获得了好的识别效果,如图2(a)所示。Eickeler等[23]采用2-DPseudoHMM识别DCT压缩的JPEG图像中的人脸图像;Nefian等采用嵌入式HMM识别人脸[24],如图2(b)所示。后来集成coupledHMM和HMM通过对超状态和各嵌入状态采用不同的模型构成混合系统结构[25]。

基于HMM的人脸识别方法具有以下优点:第一,能够允许人脸有表情变化,较大的头部转动;第二,扩容性好.即增加新样本不需要对所有的样本进行训练;第三,较高的识别率。

(a)(b)

图2(a)人脸图像的1-DHMM(b)嵌入式隐马尔科夫模型

5)基于神经网络的方法

Gutta等[26]提出了混合神经网络、Lawrence等[27]通过一个多级的SOM实现样本的聚类,将卷积神经网络CNN用于人脸识别、Lin等[28]采用基于概率决策的神经网络方法、Demers等[29]提出采用主元神经网络方法提取人脸图像特征,用自相关神经网络进一步压缩特征,最后采用一个MLP来实现人脸识别。Er等[30]采用PCA进行维数压缩,再用LDA抽取特征,然后基于RBF进行人脸识别。Haddadnia等[31]基于PZMI特征,并采用混合学习算法的RBF神经网络进行人脸识别。神经网络的优势是通过学习的过程获得对这些规律和规则的隐性表达,它的适应性较强。

6)弹性图匹配方法

Lades等提出采用动态链接结构(DLA,DynamicLinkArchitecture)[32]的方法识别人脸。它将人脸用格状的稀疏图如图3所示。

图3人脸识别的弹性匹配方法

图3中的节点用图像位置的Gabor小波分解得到的特征向量标记,图的边用连接节点的距离向量标记。Wiskott等人使用弹性图匹配方法,准确率达到97.3%。Wiskott等[33]将人脸特征上的一些点作为基准点,构成弹性图。采用每个基准点存储一串具有代表性的特征矢量,减少了系统的存储量。Wurtz等[34]只使用人脸ICI部的特征,进一步消除了结构中的冗余信息和背景信息,并使用一个多层的分级结构。Grudin等[35]也采用分级结构的弹性图,通过去除了一些冗余节点,形成稀疏的人脸描述结构。另一种方法是,Nastar等[36]提出将人脸图像I(x,y)表示为可变形的3D网格表(x,y,I(x,y)),将人脸匹配问题转换为曲面匹配问题,利用有限分析的方法进行曲面变形,根据两幅图像之间变形匹配的程度识别人脸。

7)几种混合方法的有效性

(1)K-L投影和奇异值分解(SVD)相融合的分类判别方法。

K-L变换的核心过程是计算特征值和特征向量。而图像的奇异值具有良好的稳定性,当图像有小的扰动时,奇异值的变化不大。奇异值表示了图像的代数特征,在某种程度上,SVD特征同时拥有代数与几何两方面的不变性。利用K-L投影后的主分量特征向量与SVD特征向量对人脸进行识别,提高识别的准确性[37]。

(2)HMM和奇异值分解相融合的分类判别方法。

采用奇异值分解方法进行特征提取,一般是把一幅图像(长为H)看成一个N×M的矩阵,求取其奇异值作为人脸识别的特征。在这里我们采用采样窗对同一幅图片进行重叠采样(如图4),对采样所得到的矩阵分别求其对应的前k个最大的奇异值,分别对每一组奇异值进行矢量标准化和矢量重新排序,把这些处理后的奇异值按采样顺序组成一组向量,这组向量是惟一的[38]。

图4采样窗采样

综合上述论文中的实验数据表明[39],如表1:

表1人脸识别算法比较

8)基于三维模型的方法

该类方法一般先在图像上检测出与通用模型顶点对应的特征点,然后根据特征点调节通用模型,最后通过纹理映射得到特定人脸的3D模型。Tibbalds[40]基于结构光源和立体视觉理论,通过摄像机获取立体图像,根据图像特征点之间匹配构造人脸的三维表面,如图5所示。

图5三维人脸表面模型图6合成的不同姿态和光照条件下二维人脸表面模型

Zhao[41]提出了一个新的SSFS(SymetricShape-from-Shading)理论来处理像人脸这类对称对象的识别问题,基于SSFS理论和一个一般的三维人脸模型来解决光照变化问题,通过基于SFS的视图合成技术解决人脸姿态问题,针对不同姿态和光照条件合成的三维人脸模型如图6所示。

三维图像有三种建模方法:基于图像特征的方法[42、43]、基于几何[44]、基于模型可变参数的方法[45]。其中,基于模型可变参数的方法与基于图像特征的方法的最大区别在于:后者在人脸姿态每变化一次后,需要重新搜索特征点的坐标,而前者只需调整3D变形模型的参数。三维重建的系统框图,如图7所示。

图7三维建模的系统框图

三维人脸建模、待识别人脸的姿态估计和识别匹配算法的选取是实现三维人脸识别的关键技术。随着采用三维图像识别人脸技术的发展,利用直线的三维图像信息进行人脸识别已经成为人们研究的重心。

4总结与展望

人脸自动识别技术已取得了巨大的成就,随着科技的发展,在实际应用中仍然面临困难,不仅要达到准确、快速的检测并分割出人脸部分,而且要有效的变化补偿、特征描述、准确的分类的效果,还需要注重和提高以下几个方面:

(1)人脸的局部和整体信息的相互结合能有效地描述人脸的特征,基于混合模型的方法值得进一步深入研究,以便能准确描述复杂的人脸模式分布。

(2)多特征融合和多分类器融合的方法也是改善识别性能的一个手段。

(3)由于人脸为非刚体性,人脸之间的相似性以及各种变化因素的影响,准确的人脸识别仍较困难。为了满足自动人脸识别技术具有实时要求,在必要时需要研究人脸与指纹、虹膜、语音等识别技术的融合方法。

(4)3D形变模型可以处理多种变化因素,具有很好的发展前景。已有研究也表明,对各种变化因素采用模拟或补偿的方法具有较好的效果。三维人脸识别算法的选取还处于探索阶段,需要在原有传统识别算法的基础上改进和创新。

(5)表面纹理识别算法是一种最新的算法[52],有待于我们继续学习和研究出更好的方法。

总之,人脸识别是极富挑战性的课题仅仅采用一种现有方法难以取得良好的识别效果,如何与其它技术相结合,如何提高识别率和识别速度、减少计算量、提高鲁棒性,如何采用嵌入式及硬件实现,如何实用化都是将来值得研究的。

参考文献

[1]O''''TooleAJ,AbdiH,DeffenbacherKA,etal.Alowdimensionalrepresentationoffacesinthehigherdimensionsofspace.[J].JournaloftheOpticalSocietyof2America,1993,10:405~411

[2]张翠萍,苏光大.人脸识别技术综述.中国图像图形学报,2000,5(11):885-894

[3]A.Samal,P.A.Iyengar.Automaticrecognitionandanalysisofhumanfacesandfacialexpressions:asurvey[J].PatternRecognition,1992,25(1):65-67

[4]TurkM,PentlandA.Eigenfacesforrecognition[J].JournalofCognitiveNeuroscience,1991,3(1):71~86

[5]BartlettMS,MovellanJR,SejnowskiTJ.FaceRecognitionbyIndependentComponentAnalysis[J].IEEETrans.onNeuralNetwork,2002,13(6):1450-1464

[6]ManjunathBS,ShekharCandChellappaR.Anewapproachtoimagefeaturedetectionwithapplication[J].Patt.Recog,1996,29(4):627-640

[7]ChengY.LiuK,YangJ,etal.Humanfacerecognitionmethodbasedonthestatisticalmodelofsmallsamplesize.SPIEProc,Intell.RobotsandComputerVisionX:AlgorithmsandTechn.1991,1606:85-95

[8]NefianAVEmbeddedBayesianNetworksforFaceRecognition[A].Proceedings.IEEEInternationalConferenceonMultimediaandExpo[C]2002,2:133-136

[9]GuttaS,WechslerH.FaceRecognitionUsingHybridClassifiers[J].PatternRecognition,1997,30(4):539-553

[10]HaddadniaJ,AhmadiM,FaezKAHybridLearningRBFNeuralNetworkforHumanFaceRecognitionwithPseudoZernikeMomentInvariant[A].Proceedingsofthe2002InternationalJointConferenceonNeuralNetworks[C].2002,1:11-16

[11]M.Lades,J.C.Vorbruggen,J.Buhmann,ect.Distortioninvariantobjectrecognitioninthedynamiclinkarchitecture.IEEETrans.onComputer,1993,42(3):300-311

[12]NastarC,MoghaddamBA.FlexibleImages:MatchingandRecognitionUsingLearnedDeformations[J].ComputerVisionandImageUnderstanding,1997,65(2):179-191

[13]羊牧.基于KL投影和奇异值分解相融合人脸识别方法的研究[D].四川大学.2004,5,1

[14]白冬辉.人脸识别技术的研究与应用[D].北方工业大学.2006,5

第2篇:卷积神经网络的关键技术范文

《冰雪之约》新年演出季登陆京演民族宫大剧院

为助力2022年北京-张家口冬季奥林匹克运动会,京演集团旗下京演文化传媒公司策划的《冰雪之约》新年演出季将于12月25日至1月1日登陆京演民族宫大剧院,2015圣诞音乐会、《冰雪之约》新年音乐会、《美妙的和谐》梦花园新年轻音乐会、新年民族音乐会四台五场精彩的演出轮番上演,让冬日充满温情。首届《冰雪之约》新年演出季策划了以“圣诞”、“冰雪”、“暖心”、“国韵”为主题的系列音乐会,将打造成为京演又一文化品牌,驱走深冬的“雾霾”,带来心灵的温暖。

中国印度尼西亚建交65周年纪念画展开幕

近日,“溢彩华章――中国印度尼西亚当代绘画艺术邀请展”在中央美术学院美术馆隆重开幕。中外友好国际交流中心主任柯志华、中央美术学院院长范迪安、党委书记高洪、印度尼西亚共和国驻华兼驻蒙古国大使苏更拉哈尔佐等社会各界知名人士300余人出席。这是为了庆祝中国和印度尼西亚建交65周年而举办一次高水平、高规格艺术交流盛会,共展出两国37位艺术家作品近60件,体现出中印两国艺术家在当代绘画艺术探索中,对传统的继承与创新,对生活现实的关注与敏感。

ART021上海廿一当代艺术博览

2015 ART021上海廿一当代艺术博览会于11月20日至22日在上海展览中心成功举办。本次博览会分为三大部分: 主画廊,1+1项目以及公共展览项目。作为第17届中国上海国际艺术节参展项目,ART021今年已走入第三个年头,参展画廊从创建时候的29家,第二年的54家,到2015年数量增加至75家,同时还有2个非盈利项目、3个特别展览展出,三年之中其发展上升了三个台阶。2015 ART021继承了初创时立足上海,展望未来的宗旨,扩大国际间收藏家、美术馆、艺术中心、艺术赞助人之间的对话与交流,将国际上的艺术视角结合本地优势、藏家资源,力争催化中国的当代艺术真正意义上国际化。

白雪温州开唱,向经典致敬

著名军旅歌唱家白雪将在12月12日于家乡温州举办的全国巡回演唱会。白雪18岁出道后红遍大江南北,被称为“内地一代玉女掌门人”,她的《久别的人》、《千古绝唱》等可谓家喻户晓。首次回家乡举办演唱会的白雪毫不掩饰对家乡的感恩之情,并透露:“演唱会上,我不仅会唱我们特色的民歌和越剧,也会翻唱一些大家耳熟能详的金曲,向经典致敬。”她许诺将把观众喜爱的经典曲目以耳目一新的方式呈现,并翻唱一众K歌金曲,包括《甜蜜蜜》、《月亮代表我的心》等。令人惊喜的是,情歌王子张洪量现身会现场,与白雪一起演绎了《广岛之恋》,让人提前一饱耳福。

薛之谦《一半》试听破亿北京庆功

11月10日,太合音乐集团厂牌海蝶音乐旗下创作歌手薛之谦携全新EP《一半》在京举行了庆功会。对于2015年发行的第二张EP,联手好友李荣浩、郭顶共同创作及制作的薛之谦笑言,“比之前那张还要好听,不听就亏了”。会现场,圈中好友纷纷隔空送上祝福,太合音乐COO兼海蝶音乐总经理刘鑫与薛之谦共同敲破象征试听破亿的冰雕。此外,薛之谦更与远道而来的歌迷在现场“大胆玩地咚”,引得全场大呼“好福利”。

《怦然星动》首映 杨幂李易峰“甜苏”告白

12月3日,浪漫爱情电影《怦然星动》心动上映。在日前举办的首映会上,这部拥有“高颜值”演员、“超甜苏”剧情的电影,以“经纪人爱上大明星”的浪漫爱情故事,在寒冷冬天里燃爆恋爱指数。现场,《怦然星动》全体主创集体演绎“真爱大告白”:杨幂被迪丽热巴霸气“壁咚”;李易峰、张云龙演绎男男版“离别的机场”,变身糊涂特工;而陈数与陈国辉导演则现场还原“做人最重要的就是开心”的TVB经典桥段,各种花式告白可谓“总有一款满足你”。而“明星帮你告白”环节更是惊喜满满,五大明星主演通过大屏幕直播与网友实时互动,帮观众实现真爱告白。

《杜拉拉追婚记》周渝民当男神“心好累”

12月4日公映,由导演安竹间执导,周渝民、林依晨、陈柏霖、NANA林珍娜等主演的都市时尚爱情电影《杜拉拉追婚记》在京举办全球首映会。时隔五年,“升职”成功的杜拉拉华丽归来再战情场――杜拉拉(林依晨饰)相处多年的男友王伟(周渝民饰)迟迟不求婚,感情走到瓶颈期。而90后沙当当(林珍娜饰)对王伟一见钟情紧追不舍……会现场再现了90后“小三”情挑王伟的火爆戏码,林珍娜对仔仔频频放电贴身诱惑,根本无视正牌女友的感受。而林依晨再现“杜拉拉”女强人气势,展现超强气场上演男友保卫战。仔仔对此不由感慨男神不好当,大呼“心好累”。

2015“嘉人中国风”国际顶尖时装设计大赏华美揭幕

近日,2015“嘉人中国风・独具异格 创造唯一”国际顶尖时装设计大赏在北京紫禁城太庙华美上演。21个独具异格的全球顶级时装品牌以电影为主题带来精美绝伦、堪称“唯一”的经典作品,作为本届“嘉人中国风”的独家冠名赞助商,一汽-大众奥迪为本次活动提供官方唯一指定用车,并携新奥迪A7家族在盛典上惊艳亮相。 新奥迪A7始终坚持独具异格的设计理念,为用户带来优雅、卓越、独具魅力的驾驭体验,这与本届嘉人中国风传递的精神不谋而合,新奥迪A7也荣获本届年度独具异格设计大奖。“独具异格 创造唯一”新奥迪A7风尚大片也在盛典现场全球首映。

合作创研 携手共赢,2015微软亚洲研究院“合作创 ・ 研”年会举办

11月27日,2015微软亚洲研究院 “合作创・研”年会在微软亚洲研究院举行。活动汇集了来自中国内地、香港、台湾、新加坡等地区多所知名院校及科研机构,和来自微软亚洲研究院联合实验室的110位学者,通过演示环节、学者报告、联合实验室主任会议等形式,展示和报告了11个微软亚洲研究院近年来与亚太区高校的创新科研合作成果。近年来,微软亚洲研究院和亚太地区高校的创新科研合作成果亮点频出。在本次年会中“智能花卉识别知识系统”、“深度学习在健康、医疗监测中的应用”、“智慧校园”、“A-Eye: 支持实时卷积神经网络的智能摄像头”和“博物馆文物数字化与展示关键技术”等项目成果格外抓人眼球。

免责声明

本站为第三方开放式学习交流平台,所有内容均为用户上传,仅供参考,不代表本站立场。若内容不实请联系在线客服删除,服务时间:8:00~21:00。

AI写作,高效原创

在线指导,快速准确,满意为止

立即体验
文秘服务 AI帮写作 润色服务 论文发表