文献类型：期刊文章

作　　者：谢志华[1] 江鹏[1] 余新河[1] 张帅[1]

XIE Zhihua;JIANG Peng;YU Xinhe;ZHANG Shuai(Key Lab of Photoelectronics and Communication of Jiangxi Province(Jiangxi Science and Technology Normal University), Nanchang Jiangxi 330031,China)

机构地区：[1]江西省光电子与通信重点实验室(江西科技师范大学),南昌330031

出　　处：《计算机应用》

基　　金：国家自然科学基金资助项目(61861020;61562063);江西省自然科学基金资助项目(20171BAB202006);江西省教育厅科技项目(GJJ160767);江西科技师范大学青年拔尖人才项目(2013QNBJRC005)~~

年　　份：2019

卷　　号：39

期　　号：2

起止页码：388-391

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD_E2019_2020、IC、INSPEC、JST、RCCSE、ZGKJHX、ZMATH、核心刊

摘　　要：为了提高光谱人脸数据表征人脸特征的有效性,提出一种基于VGGNet和多谱带循环训练的高光谱人脸识别方法。首先,在光谱人脸图像的预处理阶段,采用多任务卷积神经网络(MTCNN)进行高光谱人脸图像的精确定位,并利用混合通道的方式对高光谱人脸数据进行增强;然后,基于卷积神经网络(CNN)结构建立一个面向高光谱人脸识别的VGG12深度网络;最后,基于高光谱人脸数据的特点,引入多谱带循环训练方法训练建立的VGG12网络,完成最后的训练和识别。在公开的UWA-HSFD和Poly U-HSFD高光谱人脸数据集的实验结果表明,所提方法取得了比其他深度网络(如Deep ID、Deep Face、VGGNet)更好的识别性能。

关 键 词：高光谱人脸识别  卷积神经网络 VGGNet  多谱带循环训练  深度神经网络  

分 类 号：TP183] TP391.4]