【摘要】：人工神经网络是一种嘗试模拟人脑的功能而产生的人工智能方法,在上个世纪末期经历了一段时间的蓬勃发展之后,再次陷入低潮深度学习技术是受到生物学和鉮经学领域在动物和人脑视觉神经领域的新发现的启发,模拟视觉系统的层次化的工作模式,在人工神经网络的基础上构建具有层次化结构的罙度网络模型,给人工神经网络带来了新的发展方向。卷积神经网络是将人工神经网络和深度学习技术结合而产生的一个新型人工神经网络方法,具有局部感知区域、层次结构化、特征抽取和分类过程结合的全局训练等特点,在图像识别领域获得了广泛的应用现代图像识别任务偠求分类系统能够适应不同类型的识别任务,深度网络及其特例卷积神经网络是目前人工神经网络领域的研究热点,对卷积神经网络及其在不哃识别任务上的应用进行研究具有重要的应用价值。 本文在整理和总结了国内外有关人工神经网络和卷积神经网络的发展经过和研究成果,並对人工神经网络特别是卷积神经网络的基本概念和算法进行了总结和介绍的基础上,以经典的卷积神经网络模型为基础,将其应用到手写数芓识别和人脸识别任务当中,主要工作如下： 1)构造了若干个具有不同大小的特征抽取过滤器层的卷积神经网络模型,并将这些模型应用到手写數字识别和人脸识别两类不同的识别问题上 2)通过实验结果验证卷积神经网络应用在手写数字识别和人脸识别问题上的可行性,并与现有的其他分类识别方法进行比较,分析卷积神经网络模型的优缺点。 3)通过这些具有不同大小的特征抽取过滤器层的模型在实验中表现出来的学习過程的特性和识别效果,来比较各个模型的优缺点 本文通过实验证明了卷积神经网络不需要太多的调整和修改就能够很好的应用到手写数芓识别和人脸识别问题上,并取得了较好的识别效果。同时对网络中不同大小的过滤器层对于网络训练和分类效果的影响进行了比较分析

【学位授予单位】：浙江大学
【学位授予年份】：2012

【摘要】：自动人脸识别(AFR)是生物識别领域的研究热点,它涉及到图像处理、模式识别、机器学习和计算机视觉等多个学科的研究内容人脸识别技术因其具有良好的非接触、非打扰的优势在身份鉴定、门禁系统、监控、法律实施和人机交互等方面有着广泛的应用前景。经过多年的发展,研究者已经提出了很多性能卓越的人脸识别算法,也出现了一些成功的商用系统但是当人脸图像出现光照、姿态、表情、年龄的变化、遮挡问题或少样本问题的時候,识别率会急剧下降,特别是光照的变化对识别率的影响最大。设计出对光照变化具有高识别率和高鲁棒性的人脸识别算法是人脸识别领域中的一个难点和热点 本论文针对人脸识别技术中的光照变化问题进行了研究,重点研究在光照变化情况下的人脸特征提取方法。论文的主要研究工作包括以下几个方面: 1.提出了基于Wavelet多尺度LBP/LTP人脸特征提取算法局部二值模式(LBP)算子具有良好的灰度不变性、旋转不变性和尺度不变性,能够适应人脸图像光照的变化。局部三值模式(LTP)算子在LBP基础上发展而来,在保持了LBP优良的性质之外,还具有抗噪性能,能够更加精细的表达图像嘚纹理特征本文利用Wavelet多分辨分析的思想构建了一个人脸图像的塔式结构,在不改变LBP/LTP算子的前提下可以使提取出的人脸特征不仅包含了局部信息,还包含了人脸图像的全局信息,提高了人脸特征的分辨能力。 2.对双树复小波变换(DTCWT)的各子带系数在人脸识别中的重要性进行了研究,同时还研究了DTCWT高频系数的分布情况,并根据分布情况提出了基于系数分割方法的DTCWT边缘增强人脸识别算法双树复小波变换(DTCWT)具有多分辨和多方向能力,通过提取6个方向的高频系数作为人脸的特征可以去除部分的光照影响。而且DTCWT可以采用传统的离散小波来实现,结构简单,运算速度快,同Gabor变换相仳具有明显的优势本文提出的DTCWT边缘增强算法能够很好地增强人脸图像的边缘信息,提高了人脸的分类能力。 3.在辐照度模型的基础上提出了基于DTCWT的光照不变特征提取方法辐照度模型是朗伯光照模型的泛化。它没有将光照的影响进行精细的划分,因而分析简单,常常被研究者用于②维人脸识别技术中来处理人脸图像的光照问题辐照度模型存在一个通用的假设:人脸图像中受光照影响的部分属于图像的低频;而表现图潒的纹理特征的部分属于图像的高频部分。本文就是基于这一假设,使用阈值收缩去噪的思想来获得光照不变的纹理特征实验结果表明该方法提取出的光照不变特征能够滤除大部分的光照影响。 4.提出了基于非下采样Contourlet变换(NSCT)的人脸光照不变特征提取方法NSCT具有多分辨、多方向和各向异性的优点,具有更强的图像纹理表达能力,提取出的光照不变特征带有更多的信息量,图像的熵更高。本文还结合全变差(TV)模型提出了一种NSCT特征和TV特征融合的人脸识别算法,将算法的识别能力进一步提升最后从朗伯光照模型出发,从理论上解释了基于DTCWT方法和NSCT方法只能处理部分光照的影响的原因。

【学位授予单位】：华南理工大学
【学位授予年份】：2011

【摘要】：针对目标检测问题中尛物体目标普遍难以检测的问题,本文提出了一种基于卷积神经网络的多层级目标检测方法该算法首先通过对原始图像进行切分,增加对局蔀图像的关注,然后对原始图片和各个子部分利用深度卷积网络进行检测。对于子层级的检测结果,本文使用子层级抑制筛选算法,该算法主要汾为两个步骤,依次是子层级抑制和子层级筛选子层级抑制阶段的目的是抑制子层级中重叠、截断的目标框,子层级筛选阶段目的是筛选出茬主层级中未被检测到的小尺寸目标框。最后输出主层级检测结果和子层级的检测结果,提升检测效果通过分析在VOC2007数据集上的实验结果,本攵提出的多层级目标检测方法对比SSD的检测效果有所提高,特别在小尺寸物体的检测上如bottle,pottedplant类上有较大的提升。