ty -jour a2 -rajan，deepu au -duan，xun au -wang，yuanshun au -wu -wu，yun py -2021 da -2021/04/08 ti-基于改进的cascaded卷积卷积的卷积神经网络SP -66545561 VL-2021 AB-针对当前深度卷积神经网络模型引起的大量参数和高时间复杂性的问题，提出了改进扰动因子（摇动）和数据量表。算法步骤如下：设计了3组轻量级的CNN；第一组将面部框架作为输入，并行训练3个CNN，并加权以5个面部钥匙点（锚点）输出面部图像。然后，使用锚点和2个带有摇动机制的锚点和2个不同的窗户来裁剪10个人脸的部分图像。第二组中的网络并行训练10个CNN，并且每个2个网络的加权平均值并将其归为关键点。基于第二组网络，第三组设计了较小的摇动机制和窗口，以实现更多的微调。训练网络时，采用了组与组之间的平行思想和组之间的串行。实验表明，在LFPW面部数据集上，本文改进的CCNN优于相同类型的其他类型的其他算法，算法算法参数量和测试误差。 SN - 1687-5680 UR - https://doi.org/10.1155/2021/6654561 DO - 10.1155/2021/6654561 JF - Advances in Multimedia PB - Hindawi KW - ER -