暂无评论
传统的人脸识别方法多采用浅层的结构提取人脸图像特征。这类方法提取人脸图像内涵特征的能力有限，其识别效果也难令人满意。随着认知科学和脑科学的发展，为深层网络技术提供了新的视角和思路。人们模拟人脑分层特征
基于深度学习的人脸识别pdf
在训练CNN后，利用蜜蜂算法拟合深度学习权重和偏差。蜜蜂算法以自然启发的方式训练CNN权重，拟合过程类似蜜蜂行为。可用于不同数量样本和类别的任意数据。重要参数如下：numTrainFiles：根据
基于LBP,Gabor特征相结合的人脸识别方法研究，康健，张洪刚，人脸识别是模式识别领域最为重要的研究课题之一。针对目前对人脸识别准确率越来越高的需求，本文针对LBP,Gabor小波变换将结合的人脸
深度学习CNN代码,帮助理解卷积网络，代码是可以运行的，没有问题
利用5层CNN构建端到端OCR产生、训练和测试程序，对1-3个字符构成的特定投影变换扭曲字体识别率接近100%，独热编码。
提出了一种新颖的三维人脸识别算法，其基本思路是，把代表人脸的三维点云沿X、Y或Z轴旋转，反复多次把3D人脸关键点投影到2.5D图像上，然后提取2.5D图像的关键点并进行标记，而用这些比原来小得多的关键
局部二值模式（LBP）在人脸识别领域取得了显著成效，但由于没有考虑像素之间的对比度，导致部分重要纹理特征被丢弃。采用粗粒度分区算法求取各人脸分块对比度值域区间的动态阈值点，并借鉴LMCP算法思想利用上
基于小波变换和NMF的人脸识别方法的研究
自适应非负矩阵分解的人脸识别方法研究.pdf
暂无评论