TY -的A2 - Lv, Zhihan AU -杨,金盟——赵,宇轩AU -杨,Shihao AU -康,心心AU -曹,苑盟——曹Xixin PY - 2021 DA - 2021/03/20 TI -下的人脸图像的特征提取和抗干扰分析深度重建网络算法SP - 8391973六世- 2021 AB -在人脸识别系统中,高度健壮的面部特征表示和良好的分类算法性能会影响在无限制条件下人脸识别的效果。探索卷积神经网络(CNN)的抗干扰性能的深度学习(DL)框架重构图像特征提取(FE)和识别,在论文中,首先,初始结构GoogleNet网络和剩余误差ResNet网络结构相结合构建一个新的深度重建网络算法,随机梯度下降(SGD)和三联体损失函数作为模型优化和分类器,分别在标记应用于人脸识别面临在野外数据库面临伦敦时装周开幕。然后,肖像金字塔分割和地方特征点细分应用图像提取的特征的面孔,和面部特征点的匹配是通过使用欧氏距离和联合贝叶斯方法。最后,使用Matlab软件模拟算法提出并与其他算法进行比较。结果表明,该算法的人脸识别效果最好,当学习速率为0.0004,衰减系数为0.0001,SGD训练方法,和辍学是0.1(精度:99.03%,损失:0.0047、培训时间:352年代,和过度拟合率:1.006),和本文提出的算法最大的意思是平均精度比其他CNN算法。正确的面对特征匹配算法的提出为84.72%,高于LetNet-5, VGG-16,和VGG-19算法,正确的利率是6.94%,2.5%,和1.11%,分别,但低于GoogleNet, AlexNet, ResNet算法。同时,本文提出的算法有更快的匹配时间(206.44秒)和正确匹配率(88.75%)高于联合贝叶斯方法,表明深重建网络算法提出了可用于图像识别,铁、和匹配,它有很强的抗干扰。SN - 1076 - 2787你——https://doi.org/10.1155/2021/8391973——10.1155 / 2021/8391973 JF - PB - Hindawi KW - ER -复杂性