-
公开(公告)号：CN108509920B
公开(公告)日：2022-04-26
申请号：CN201810293102.5
申请日：2018-04-04
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于CNN的多patch多通道联合特征选择学习的人脸识别方法，属于人脸识别技术领域。该方法首先将原始人脸图像分割成多张子图像，每张子图像再分离成多张通道图像；然后为每张通道图像构建一个CNN网络模型，输入通道图像进行识别；接下来首先将同一子图像的多个通道神经网络进行连接，得到对应多张子图像的多个子图像神经网络，然后将多个子图像神经网络进行连接，作为最终的模型识别结果。本发明通过对现有卷积神经网络模型进行改进以及创新，从而达到优化和提升模型的效果，使得卷积神经网络模型的人脸识别能力更加精准，为其在日常生活、工业发展、科学研究等领域的广泛应用提供更有力的技术保障。
-
公开(公告)号：CN108171319A
公开(公告)日：2018-06-15
申请号：CN201711268262.6
申请日：2017-12-05
Applicant: 南京信息工程大学
IPC: G06N3/04
Abstract: 本发明提供的网络连接自适应深度卷积模型的构建方法，包括如下步骤：步骤一：对卷积神经网络中的权重向量进行正交化；步骤二：根据范数进行卷积神经网络中层与层之间连接的删除；步骤三：构建激活函数。本发明通过权重向量正交化减少了数据相关性；基于p范数进行卷积神经网络中层与层之间连接的删除，有效降低了深度卷积模型构建过程中过拟合的问题，并且实现了网络连接自适应；构建激活函数在不改变参数规模的前提下尽量概括数据信息，提高了建立深度卷积模型的准确性。
-
公开(公告)号：CN108509920A
公开(公告)日：2018-09-07
申请号：CN201810293102.5
申请日：2018-04-04
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于CNN的多patch多通道联合特征选择学习的人脸识别方法，属于人脸识别技术领域。该方法首先将原始人脸图像分割成多张子图像，每张子图像再分离成多张通道图像；然后为每张通道图像构建一个CNN网络模型，输入通道图像进行识别；接下来首先将同一子图像的多个通道神经网络进行连接，得到对应多张子图像的多个子图像神经网络，然后将多个子图像神经网络进行连接，作为最终的模型识别结果。本发明通过对现有卷积神经网络模型进行改进以及创新，从而达到优化和提升模型的效果，使得卷积神经网络模型的人脸识别能力更加精准，为其在日常生活、工业发展、科学研究等领域的广泛应用提供更有力的技术保障。
-
-
Search Results
3
records
(took 0.01 seconds)
