传统的神经网络表情识别系统由特征提取和神经网络分类器组成,利用人的经验来获取模式特征,很容易丢失表征表情特征的细节信息。提出一种基于卷积神经网络的识别方法,避免了对图像进行复杂的特征提取,直接把图像数
本文档是基于BP神经网络的人脸识别源代码以及数据文件,源码为C系列;相关实验的详细内容分析请自行于博客中查找。
代码分为read_can_use.m和main_can_ues.m先运行read_can_use.m读取图片的像素值,使用奇异值分解的方法得到对应的特征。程序预设了只读取前5个人的人脸图片,可以自
基于深度卷积神经网络的人脸识别
针对BP等全局性神经网络收敛速度慢和局部极小的存在,用于入脸表情分类时,不仅实时性难以达到要求,而且识 别精度也存在不确定性。为提高速度,加快收敛,提出一种基于局部性CMAC(Cerebellar M
参照经典的卷积神经网络模型 Lenet-5的结构,提出一种适用于该数据集的CNN结构
网上找的matlab基于bp神经网络的人脸识别需要标准的orl人脸数据库也可根据源代码进行改写
采用的特征提取算法是奇异值分解,采用的分类器是BP神经网络运行于matlab下的人脸识别的全套源码
1、图像采集预处理模块采用opencv控制笔记本摄像头进行图像的采集,提取有待识别的人脸图像特征,即特征提取和选择,与现有的数据库中的人脸图像进行匹配和识别,在特征提取之前首先经过预处理,根据人脸定位
matlab基于BP神经网络的人脸识别,包含matlab代码及所需要的ORL人脸库,采用了主成分分析法进行特征提取,取得不错的效果。