论文部分内容阅读
传统人脸识别技术通常在待识别人数不多时的准确率要比待识别人数多时的准确率高[1]。为了增加识别的准确性,论文提出了一种基于深度神经网络(DNN)的人脸识别方法。该方法主要涉及两方面,一是使用DNN对训练集进行特征提取;二是将提取的特征图片输入神经网络进行训练及识别。基于Python+OpenCV进行实验,通过改变权重衰减系数、卷积核数目、非线性激活函数等参数来提高卷积神经网络的性能。论文会将对卷积神经网络的参数进行大量的实验对比分析,并选取最合适的参数构建一个能够识别人脸的深度神经网络。