基于深度学习的轻量级和多姿态人脸识别方法.pdf

本文研究了基于聚类算法的人脸识别方法。根据人脸图像划分子图像的数目和所选定的训练或测试人脸图像的类别数的情况,确定RBF神经网络的输入层、输出层的节点数;根据RBF神经网络的训练识别效果,通过调整中间

本文主要对基于Adaboost算法的人脸检测方法和基于PCA、LDA的人脸识别算法进行分析,并提出了一种基于图像增强的改进型PCA人脸识别方法。本论文所做的主要工作如下: (1)概述了人脸识别技术及其

proposeanADRLmethodforvideofacerecognition,whichaimstodiscardthemisleadingandconfoundingframesandfin

研究多特征融合的深度网络模型对人脸识别的方法，并通过实验对不同的人脸识别方法进行对比

深度学习人脸识别素材，内含Matlab深度学习的代码一份（地址，图像大小和目录个数要自己改一下）；剑桥大学的图像数据库：共40个人，每人10张图，图片都是像素256，灰度级的.pgm格式，大小92x1

随着科技的不断进步，深度学习人脸识别技术在各个领域展现出了强大的应用潜力。深度学习人脸识别.ipynb文件为探索和应用这一技术提供了一个有力的平台。通过.ipynb文件，用户可以深入了解深度学习在人脸

包含深度学习与人脸识别。只供参考,最好到维普下载原版。。。。

在原有二维数据的基础上增加了样本的深度信息，增强了识别系统对光照、表情等影响因素的鲁棒性。

基于改进LBP算子和支持向量机分类的人脸识别方法.pdf

提出一种新的人脸图像特征提取方法，即利用二维经验模态分解方法（BEMD）结合分形维数（Fractal dimension）进行特征量提取，将提取得到的特征量用于人脸识别。该方法将图像通过BEMD算法分