基于改进AlexNet卷积神经网络人脸识别的研究
电子技术应用
蔡靖，谷承睿，刘光达，孙慧慧
吉林大学 仪器科学与电气工程学院
摘要： 近期，人脸识别技术在社会上广受关注，其非接触式的识别特性相较于指纹等传统接触式识别方法展现出明显优势。在深度学习领域，由于传统卷积神经网络在人脸识别任务上的准确性和速度尚有提升空间，因此提出采用改进的AlexNet卷积神经网络进行人脸识别。通过实验验证，与传统卷积网络相比，改进后的AlexNet在人脸识别上不仅准确度更高，而且识别过程更为稳定。
中图分类号：TN402 文献标志码：A DOI: 10.16157/j.issn.0258-7998.245086
中文引用格式： 蔡靖，谷承睿，刘光达，等. 基于改进AlexNet卷积神经网络人脸识别的研究[J]. 电子技术应用，2024，50(11)：42-46.
英文引用格式： Cai Jing，Gu Chengrui，Liu Guangda，et al. Research on face recognition based on improved AlexNet convolutional neural network[J]. Application of Electronic Technique，2024，50(11)：42-46.
中文引用格式： 蔡靖，谷承睿，刘光达，等. 基于改进AlexNet卷积神经网络人脸识别的研究[J]. 电子技术应用，2024，50(11)：42-46.
英文引用格式： Cai Jing，Gu Chengrui，Liu Guangda，et al. Research on face recognition based on improved AlexNet convolutional neural network[J]. Application of Electronic Technique，2024，50(11)：42-46.
Research on face recognition based on improved AlexNet convolutional neural network
Cai Jing，Gu Chengrui，Liu Guangda，Sun Huihui
College of Instrumentation & Electrical Engineering， Jilin University
Abstract： In recent years, face recognition has been a hot topic in society. Compared to contact-based recognition methods such as fingerprint recognition, face recognition offers the advantage of being contactless. In the field of deep learning, traditional convolutional neural networks do not achieve high enough accuracy or speed for face recognition. Therefore, this paper proposes a face recognition algorithm using the AlexNet convolutional neural network. Experimental results show that AlexNet provides higher accuracy and more stability in face recognition compared to traditional convolutional neural networks.
Key words : deep learning；convolutional neural network；face recognition；AlexNet
引言
在过去的十年中，卷积神经网络（CNN）在视觉识别的任务中取得了很多的成果。人脸识别作为计算机视觉领域的一个热点问题，一直是诸多安全和个人识别应用的核心技术[1]。近年来，随着大数据和高性能计算资源的普及，基于深度学习的人脸识别技术已经取得了显著的进展。在这些方法中，基于AlexNet架构的CNN模型因其强大的特征学习能力而备受关注。本文旨在探讨AlexNet卷积神经网络在人脸识别任务上的应用。通过实验验证了AlexNet在ORL人脸数据库上的性能，并且进一步讨论了通过迁移学习对AlexNet进行微调来适应人脸识别任务的方法，并探索了数据增强、网络结构调整和超参数优化对模型性能的影响。在传统的AlexNet卷积网络上进行改进，得到优化后的结果。
本文详细内容请下载：
https://www.chinaaet.com/resource/share/2000006208
作者信息：
蔡靖，谷承睿，刘光达，孙慧慧
（吉林大学 仪器科学与电气工程学院，吉林 长春 130022）
此内容为AET网站原创，未经授权禁止转载。