论文部分内容阅读
为了提高人耳图像的识别率,本文提出了一种基于优化卷积神经网络的人耳识别算法。首先针对人耳识别问题设计一个基于卷积神经网络的深层网络结构,选取改进的激活函数PReLU,在最后的全连接层引入Dropout技术,防止网络过拟合,选择不依赖学习率也可以达到良好效果,且收敛速度最快的Adadelta对网络进行优化。实验中通过大量的不同类型的人耳图像样本对设计的网络不断地训练,以此来确定卷积神经网络中特征图数量以及学习率等参数的设置。对训练好的深度学习网络结构进行最后的人耳识别步骤测试,通过对比实验证明了该方法