增长式卷积神经网络及其在人脸检测中的应用

《增长式卷积神经网络及其在人脸检测中的应用》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第21卷第8期系统仿真学报©Vol.21No.82009年4月JournalofSystemSimulationApr.,2009增长式卷积神经网络及其在人脸检测中的应用顾佳玲，彭宏京(南京工业大学信息科学与工程学院,南京210009)摘要：卷积神经网络擅于提取具有类别分辨能力的隐式特征，在人脸检测等领域获得巨大成功。然而典型的卷积神经网络的固定结构又使得网络规模初始设定只能是经验性的，难以实现后继的再学习。鉴于此，提出一种结构可变的卷积神经网络的构造方法：从每层只有单个卷积核的简单网络结构开始训练，逐渐为各网络层增加新的卷积神经元并修改新增连接权重，当训练结果达到预期目标时训练结束。在人脸

2、检测的实验中，不同网络规模下的识别结果表明基于结构增长生成的网络可以在精确度和网络规模之间取得一个非常好的折衷。此外，在追加新的学习样本时，分类器在保持原有学习结果基础上，只需调整少量新增神经元的权值，就能明显提高检测率。关键词：卷积神经网络；机器学习；人脸检测；神经网络；模式分类中图分类号：TP391文献标识码：A文章编号：1004-731X(2009)08-2441-05IncrementalConvolutionNeuralNetworkandItsApplicationinFaceDetectionGUJia-ling,PENGHong-jing(TheCollegeofInform

3、ationScienceandEngineering,NanjingUniversityofTechnology,Nanjing210009,China)Abstract:Convolutionneuralnetworkshavethecapabilityofextractinghiddendiscriminatingfeatures,sothattheysuccessfullyhavebeenappliedinthefieldsoffacedetection,etc.Duetotheirfixedarchitecture,thescaleofneuralnetworksusuallydep

4、endsonthedesigner’sexperienceandpreventsthemfromlearningfurther.AnovelapproachofconstructingCNNwithvaryingarchitecturewasproposed.Trainingneuralnetworksstartedoffwiththesimplestarchitecturewithsingleneuroneachlayer,thenaddingnewneuralcellsineverylayerandmodifyingtheircorrespondingweightscontinuousl

5、y,untiltrainingtargetwasreached.Inthefacedetectionexperiments,variousresultswithdifferentnetworkscalesweregiven.TheseresultsillustratethattheCNNcangetagoodtradeoffbetweenthedetectionrateandthearchitecturesize.Moreover,ifappendingnewcomplementingsamples,thedetectionratecanbeimprovedsignificantly,onl

6、yadjustingafewaddingneurons’weightswhilekeepingpreviousweightsunchanging.Keywords:convolutionnetworks;machinelearning;facedetection;neuralnetworks;patternclassification1和非脸样本在统计特性上的差异，再使用各自的特征构建分引言[1][2]类器，是目前的主流方法。如Moghaddam等发展了传统人脸检测是指在输入图像中确定所有人脸(如果存在)位PCA方法，在计算主成分空间的基础上引入了正交补空间。置的过程。它在图像检索、视觉监视

7、和新一代人机界面等领Rowley等[3]将人脸区域划分为多个矩形子区域，每个区域对域都有着巨大的应用价值，一直是模式识别和人工智能等领应一个神经网络隐含单元，再对神经网络在多个分级上的输域的重要研究课题。人脸检测虽然属于二值分类问题，但由出进行判决。梁等[4]使用模板匹配先进行候选区域的粗选，于人脸的特殊性，比如外貌、表情、肤色的不同，或者有眼然后采用SVM分类器进行分类。Viola[5]等提出基于积分图镜、