刘小锋 任弘毅

（东北大学 计算机科学与工程学院 国家级计算机实验教学示范中心 辽宁省沈阳市 110819）

生活中有一类任务，比如语音识别和图像识别，这类任务对人来说很容易执行，但是由于难以进行详细的描述，所以难以直接用早期人工智能的方法来实现，这时就需要引入深度学习技术。2006年，Hinton 提出了深度学习的概念[1]，该方案可以让计算机从经验中学习，并根据层次化的概念体系来理解世界，而每个概念则通过与某些相对简单的概念之间的关系来定义。让计算机从经验获取知识，可以避免由人类来给计算机形式化地指定它需要的所有知识。层次化的概念让计算机构建较简单的概念来学习复杂概念。如果绘制出表示这些概念如何建立在彼此之上的图，我们将得到一张层次深很多的图，这种方法称为深度学习。由于传统的考勤方式操作复杂，安全性差，逐渐无法适应现代社会的需要，使用深度学习的方法可以较好地解决这个问题，因此，要使用基于深度学习的方法实现流水线考勤系统。邓熠等[2]人以树莓派和Intel Movidius 神经棒NCS 为硬件平台设计了基于深度学习的考勤系统，避免了传统考勤机需要近距离刷脸的弊端；李雄等[3]人将VGG16 深度神经网络提取的Bottleneck 特征输入至全连接网络用以人脸分类；刘杰等人[4]利用深度学习技术开发了基于人脸识别的会议考勤系统；陈超等人[5]基于深度学习，在树莓派上实现人脸识别和表情识别。本文利用经典的AlexNet 网络模型[6]进行训练，这里重点阐述环境配置和训练结果，为初学者提供技术帮助。……