一种改进的人脸识别CNN结构研究

来源：计算机工程与应用杂志2017年第17期北京时间：

作者：张国云1，2，向灿群1，2，罗百通1，2，郭龙源1，2，欧先锋1，2

单位：1.湖南理工学院 信息与通信工程学院，湖南 岳阳 414006；2.湖南理工学院 复杂系统优化与控制湖南省普通高等学校重点实验室，湖南 岳阳 414006

摘要：为了克服人脸识别中存在光照、姿态、颜色等噪声的干扰，融合了卷积神经网络与孪生神经网络的优点，提出了一种改进的CNN网络结构，该结构由两个卷积神经网络组成，且共享网络权值，在该结构的训练中采用了差异深度度量学习（DDML）算法。卷积结构有效地去除外界噪声干扰，且在非线性降维中权值共享结构能够自动提取相同特征，DDML算法增加了提取特征的有效性。在ORL、YaleB和AR人脸数据库上实验结果表明，与PCA、CNN等算法相比，识别稳定度高，识别率提升近5个百分点。

关键词：人脸识别,卷积神经网络,孪生网络,差异深度度量学习（DDML）,深度学习