文件名称：论文研究-多尺度非监督特征学习的人脸识别.pdf
文件大小：604KB
文件格式：PDF
更新时间：2022-09-27 01:15:35
论文研究
为了充分利用人脸图像的潜在信息，提出一种通过设置不同尺寸的卷积核来得到图像多尺度特征的方法，多尺度卷积自动编码器（Multi-Scale Convolutional Auto-Encoder，MSCAE）。该结构所提取的不同尺度特征反映人脸的本质信息，可以更好地还原人脸图像。这种特征提取框架是一个卷积和采样交替的层级结构，使得特征对旋转、平移、比例缩放等具有高度不变性。MSCAE以encoder-decoder模式训练得到特征提取器，用它提取特征，并融合形成用于分类的特征向量。BP神经网络在ORL和Yale人脸库上的分类结果表明，多尺度特征在识别率和性能上均优于单尺度特征。此外，MSCAE特征与HOG（Histograms of Oriented Gradients）的融合特征取得了比单一特征更高的识别率。