文献类型：期刊文章

作　　者：马晓[1,2] 张番栋[1,2] 封举富[1,2]

机构地区：[1]北京大学信息科学技术学院,北京100871 [2]北京大学机器感知与智能教育部重点实验室,北京100871

出　　处：《智能系统学报》

基　　金：国家自然科学基金项目(61333015);国家重点基础研究发展计划(2011CB302400)

年　　份：2016

卷　　号：11

期　　号：3

起止页码：279-286

语　　种：中文

收录情况：BDHX、BDHX2014、CSA、CSA-PROQEUST、CSCD、CSCD2015_2016、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：本文针对传统的基于稀疏表示的人脸识别方法在小样本情况下对类内变化鲁棒性不强的问题,从特征的层面入手,提出了基于深度学习特征的稀疏表示的人脸识别方法。本方法首先利用深度卷积神经网络提取对类内变化不敏感的人脸特征,然后通过稀疏表示对所得人脸特征进行表达分类。本文通过实验,说明了深度学习得到的特征也具有一定的子空间特性,符合基于稀疏表示的人脸识别方法对于子空间的假设条件。实验证明,基于深度学习特征的稀疏表示的人脸识别方法具有较好的识别准确度,对类内变化具有很好的鲁棒性,特别在小样本问题中具有尤为突出的优势。

关 键 词：机器学习  生物特征识别 深度学习  特征学习  子空间 小样本 稀疏表示  人脸识别

分 类 号：TP391.41]