胡　月，沈永良

(黑龙江大学 电子工程学院，哈尔滨 150080)



深度学习模型与成对分类相结合的人脸识别新算法

胡月，沈永良*

(黑龙江大学 电子工程学院，哈尔滨 150080)

针对深度学习人脸识别系统样本数据中存在干扰时会腐化分类边界,导致识别率下降,提出了一种改进的深度学习模型,将成对分类概念引入到深度学习中,提升人脸识别系统对于噪声、腐化、变化的鲁棒性。采用深度信念网络模型，将人脸图像送入深度学习模型中逐层训练网络，在参数微调阶段采用改进的成对BP神经网络进行参数优化，在输出层与前一隐含层之间采用成对连接。在ORL、Extended Yale-B的实验结果表明，所提算法与传统的深度学习算法相比，构造的系统更稳定，算法识别率更高，系统在存在干扰的人脸图像中鲁棒性更强。

人脸识别；深度学习；深度信念网络；成对BP神经网络

近年来，随着大数据的兴起，基于深度学习的人脸识别系统由于其强大的训练能力得到了广大学者的青睐，并且取得了优异的效果。2006年Hinton首次提出深度学习[1-2](Deep learning)的概念，深度信念网络作为一种深度学习的方法，可从低层到高层逐层学习不同层次的抽象特征，最终获得特征的结构性描述，该过程中提取的特征是通过自动学习得到的，不依赖于人工选择[3]。但在大样本人脸库中，每一类含有大量图片或者含有大量的类，当人脸图像含有噪声、腐化和变化等干扰时，类与类之间的边界变得更为复杂，使识别变得更加困难[4-6]。……