| [字数] 6 [字数] 2579 [目录] 摘要 关键词 1 引言 2 自组织特征映射网络介绍 3实验设计 参考文献 [原文] 1 引言 近年来，人脸检测、识别以及人脸动画等方面的研究一直是计算机视觉和模式识别领域最活跃的研究热点。人脸图像数据库是人脸识别算法研究、开发和评测的基础，具有重要的意义。为了进行实验和测试算法，国内外研究机构分别建立了许多不同类型的人脸数据库，包括不同人种、年龄、性别，以及不同姿态、表情和光照环境的人脸库。 人工神经网络近几年来得到了迅速的发展，它的出现丰富了模式识别方法领域的内容。目前采用BP算法的神经网络在模式识别方面效果非常突出，但多层神经网络存在训练时间长、收敛速度慢、易陷入局部极小点及网络规模较难控制等缺点。本文介绍了自组织特征映射神经网络分类器，其特点是通过自动寻找样本中的内在规律和本质属性，自组织、自适应地改变网络参数与结构，把该方法应用在人脸检测上，将会取得良好的效果。 2 自组织特征映射网络介绍 自组织特征映射法（Self Organizing Feature Map， SOFM）是一种无教师的聚类方法，具有侧向联想能力的神经网络。自组织特征映射网络（Self Organizing Feature Map Network）结构共有两层：输入层和竞争层（输出层），如图1所示。 图1 自组织特征映射网络结构图 SOFM网络采用基于竞争学习的Kohonen算法，即同一神经元层次上各个神经元相互之间进行竞争，竞争胜利的神经元及其优胜领域内所有节点所连接的权向量均向输入向量的方向作不同程度的调整，调整力度根据邻域内各节点距获胜节点的远近而逐渐衰减。Kohonen算法步骤如下： （1）初始化 对输出层各权向量赋随机数，并将输入模式向量X和竞争层中各神经元对应的内星向量Wj（j=1，2，…，m）进行归一化处理，得到 和 ；建立初始优胜领域Nj*（0）；学习率η赋初值。 （2）输入样本寻找获胜神经元 向网络输入模式向量 ，竞争层中内星权向量 均与 进行相似性比较，与 最相似的内星权向量判为获胜神经元，计为 。 （3）定义优胜领域Nj*（t） 以j*为中心确定t时刻的权值调整域，一般初始领域Nj*（0）较大，训练过程中领域Nj*（t）随训练时间逐渐收缩...... [摘要] 本文介绍了一种基于自组织特征映射网络的人脸识别方法。自组织网络具有自组织、自适应的学习能力，本文使用图像小波分析的技术提取人脸特征，采用自组织特征映射网络分类器，优选网络初始权向量对人脸图像进行识别。 [参考文献] [1] 宋宇，周激流，何坤，刘智明，黎奎. 多尺度人脸特征提取. 计算机应用研究. 2005 [2] 朱小艳，汪晓华. 人脸识别的分析与实现. 商丘职业技术学院学报，2005.10 [3] 张兴会，杨立刚，刘玲. 基于自组织特征映射网络的车牌照汉字识别. 仪器仪表学报. 第24卷第4期增刊. 2003.8 [原文截取] 基于自组织特征映射网络的人脸识别 摘要 本文介绍了一种基于自组织特征映射网络的人脸识别方法。自组织网络具有自组织、自适应的学习能力，本文使用图像小波分析的技术提取人脸特征，采用自组织特征映射网络分类器，优选网络初始权向量对人脸图像进行识别。 关键词 自组织特征映射网络 人脸识别 图像小波分析 Kohonen算法 1 引言 近年来，人脸检测、识别以及人脸动画等方面的研究一直是计算机视觉和模式识别领域最活跃的研究热点。人脸图像数据库是人脸识别算法研究、开发和评测的基础，具有重要的意义。为了进行实验和测试算法，国内外研究机构分别建立了许多不同类型的人脸数据库，包括不同人种、年龄、性别，以及不同姿态、表情和光照环境的人脸库。 人工神经网络近几年来得到了迅速的发展，它的出现丰富了模式识别方法领域的内容。目前采用BP算法的神经网络在模式识别方面效果非常突出，但多层神经网络存在训练时间长、收敛速度慢、易陷入局部极小点及网络规模较难控制等缺点。本文介绍了自组织特征映射神经网络分类器，其特点是通过自动寻找样本中的内在规律和本质属性，自组织、自适应地改变网络参数与结构，把该方法应用在人脸检测上，将会取得良..... |
基于自组织特征映射网络的人脸识别
查看评论
已有0位网友发表了看法