设计应用

基于改进AlexNet卷积神经网络人脸识别的研究

作者：蔡靖，谷承睿，刘光达，孙慧慧

发布日期：2024-11-14

来源：电子技术应用

引言

在过去的十年中，卷积神经网络（CNN）在视觉识别的任务中取得了很多的成果。人脸识别作为计算机视觉领域的一个热点问题，一直是诸多安全和个人识别应用的核心技术[1]。近年来，随着大数据和高性能计算资源的普及，基于深度学习的人脸识别技术已经取得了显著的进展。在这些方法中，基于AlexNet架构的CNN模型因其强大的特征学习能力而备受关注。本文旨在探讨AlexNet卷积神经网络在人脸识别任务上的应用。通过实验验证了AlexNet在ORL人脸数据库上的性能，并且进一步讨论了通过迁移学习对AlexNet进行微调来适应人脸识别任务的方法，并探索了数据增强、网络结构调整和超参数优化对模型性能的影响。在传统的AlexNet卷积网络上进行改进，得到优化后的结果。

本文详细内容请下载：

https://www.chinaaet.com/resource/share/2000006208

作者信息：

蔡靖，谷承睿，刘光达，孙慧慧

（吉林大学仪器科学与电气工程学院，吉林长春 130022）

Magazine.Subscription.jpg