基于卷积神经网络的大规模人脸聚类

发布时间：2017-05-14 00:09

  本文关键词：基于卷积神经网络的大规模人脸聚类，，由笔耕文化传播整理发布。

【摘要】：人脸识别技术是一种重要的生物特征识别技术,因其方便、安全等特点广泛应用于金融、安防等领域。为了解决在检索系统中由于人脸图像的急速增长而导致识别过慢的问题,本文提出了基于卷积神经网络的大规模人脸聚类算法。通过聚类技术,原本规模较大的人脸数据库被划分成若干个相似库,从而使检索的范围进一步缩小,以提高识别效率。大规模人脸聚类的技术难点在于高效的人脸特征和快速准确的聚类算法。高效的人脸特征主要表现在该特征能从本质上区分不同的人脸,而不受光照、姿势、表情、遮挡物等因素的影响。区别于一般的聚类算法,大规模的人脸聚类算法应当同时满足准确率高和时间复杂度低等要求。为此,本文通过构建卷积神经网络来提取高效的人脸特征,并在此基础上探讨了经典K-means算法和现代主流的CFSFDP算法(Clustering by Fast Search and Find of Density Peaks)的性能问题。本文的主要内容如下：1)构建了深层的卷积神经网络,即CNN,并通过该网络学习得到高效的人脸特征。跟传统的特征提取算法相比,该方法具有不依赖于经验且全面考虑人脸的复杂性、非线性和高阶性等优点。实验结果表明,基于卷积神经网络的人脸特征能有效消除光照、姿势、表情、遮挡物等外在因素的影响,具有良好的鲁棒性；2)针对经典K-means算法的不足,本文采用K-means++算法来解决聚类中心点初始化随机性的问题,降低了聚类中心点陷入局部最小值的可能性,同时设计合适的类簇指标来估算k值,克服了k值需要事先设定的缺点；3)实验采用MSRA-CFW人脸数据库作为验证集,该人脸数据库的规模较大且变化模式复杂,并通过Rand Index、信息熵和F1-measure指标来综合评价聚类结果,同时采用混淆矩阵可视化的方法来解决大规模聚类难以直观展示其结果的难题；4)采用CNN、PCA和HOG等特征提取算法与K-means、改进的K-means和CFSFDP等聚类算法来设计对比实验,实验结果表明,在大规模人脸聚类的情境下,CNN特征融合K-means++算法的聚类效果更为出色,且只需1组k值估算实验,其时间复杂度也较低。
【关键词】：大规模人脸聚类 卷积神经网络 Rand Index指标 信息熵指标 F1-measure指标 混淆矩阵可视化
【学位授予单位】：广东工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41;TP183
【目录】：

• 摘要5-6
• ABSTRACT6-12
• 第一章 绪论12-17
• 1.1 研究背景和意义12-13
• 1.2 国内外研究现状13-15
• 1.3 研究任务与创新点15-16
• 1.4 本文章节安排16-17
• 第二章 人脸聚类框架设计17-23
• 2.1 人脸聚类分析的一般步骤17-19
• 2.2 技术难点及其解决方案19-22
• 2.2.1 特征的鲁棒性19-20
• 2.2.2 合适的聚类算法20-21
• 2.2.3 聚类结果的评价21-22
• 2.3 本章小结22-23
• 第三章 人脸特征提取23-36
• 3.1 主流的特征提取算法23-24
• 3.2 基于卷积神经网络的特征提取24-35
• 3.2.1 深度学习神经学启示24-28
• 3.2.2 卷积神经网络原理28-31
• 3.2.3 卷积神经网络模型及其特征提取31-35
• 3.3 本章小结35-36
• 第四章 人脸聚类36-47
• 4.1 传统聚类算法36-38
• 4.2 现代聚类算法38-39
• 4.3 经典K-means 聚类算法及其改进方案39-43
• 4.3.1 K-means 算法39-41
• 4.3.2 K-means++ 算法41-42
• 4.3.3 k值的估算42-43
• 4.4 基于密度极点的聚类算法43-46
• 4.5 本章小结46-47
• 第五章 聚类评价及其实验分析47-64
• 5.1 聚类评价指标47-51
• 5.1.1 Rand Index 指标47
• 5.1.2 信息熵指标47-48
• 5.1.3 F_1-measure 指标48
• 5.1.4 混淆矩阵可视化48-51
• 5.2 实验结果及分析51-63
• 5.2.1 k值估计实验52-54
• 5.2.2 Rand Index 聚类评价54-55
• 5.2.3 信息熵聚类评价55-56
• 5.2.4 F1-measure 聚类评价56-57
• 5.2.5 聚类结果可视化57-62
• 5.2.6 总结与分析62-63
• 5.3 本章小结63-64
• 结论64-65
• 参考文献65-73
• 攻读学位期间发表的论文73-75
• 致谢75

【相似文献】

中国期刊全文数据库 前10条

1 云中客;新的神经网络来自于仿生学[J];物理;2001年10期

2 唐春明,高协平;进化神经网络的研究进展[J];系统工程与电子技术;2001年10期

3 李智;一种基于神经网络的煤炭调运优化方法[J];长沙铁道学院学报;2003年02期

4 程科,王士同,杨静宇;新型模糊形态神经网络及其应用研究[J];计算机工程与应用;2004年21期

5 王凡,孟立凡;关于使用神经网络推定操作者疲劳的研究[J];人类工效学;2004年03期

6 周丽晖;从统计角度看神经网络[J];统计教育;2005年06期

7 赵奇 ,刘开第 ,庞彦军;灰色补偿神经网络及其应用研究[J];微计算机信息;2005年14期

8 袁婷;;神经网络在股票市场预测中的应用[J];软件导刊;2006年05期

9 尚晋;杨有;;从神经网络的过去谈科学发展观[J];重庆三峡学院学报;2006年03期

10 杨钟瑾;;神经网络的过去、现在和将来[J];青年探索;2006年04期

中国重要会议论文全文数据库 前10条

1 徐春玉;;基于泛集的神经网络的混沌性[A];1996中国控制与决策学术年会论文集[C];1996年

2 周树德;王岩;孙增圻;孙富春;;量子神经网络[A];2003年中国智能自动化会议论文集（上册）[C];2003年

3 罗山;张琳;范文新;;基于神经网络和简单规划的识别融合算法[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

4 郭爱克;马尽文;丁康;;序言(二)[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

5 钟义信;;知识论:神经网络的新机遇——纪念中国神经网络10周年[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

6 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

7 金龙;朱诗武;赵成志;陈宁;;数值预报产品的神经网络释用预报应用[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

8 田金亭;;神经网络在中学生创造力评估中的应用[A];第十二届全国心理学学术大会论文摘要集[C];2009年

9 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集（第七分册）[南京理工大学学报（增刊）][C];2009年

10 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年

中国重要报纸全文数据库 前10条

1 美国明尼苏达大学社会学博士 密西西比州立大学国家战略规划与分析研究中心资深助理研究员 陈心想;维护好创新的“神经网络硬件”[N];中国教师报;2014年

2 卢业忠;脑控电脑 惊世骇俗[N];计算机世界;2001年

3 葛一鸣 路边文;人工神经网络将大显身手[N];中国纺织报;2003年

4 中国科技大学计算机系　邢方亮;神经网络挑战人类大脑[N];计算机世界;2003年

5 记者 孙刚;“神经网络”：打开复杂工艺“黑箱”[N];解放日报;2007年

6 本报记者 刘霞;美用DNA制造出首个人造神经网络[N];科技日报;2011年

7 健康时报特约记者　 张献怀;干细胞移植：修复受损的神经网络[N];健康时报;2006年

8 刘力;我半导体神经网络技术及应用研究达国际先进水平[N];中国电子报;2001年

9 ;神经网络和模糊逻辑[N];世界金属导报;2002年

10 邹丽梅 陈耀群;江苏科大神经网络应用研究通过鉴定[N];中国船舶报;2006年

中国博士学位论文全文数据库 前10条

1 杨旭华;神经网络及其在控制中的应用研究[D];浙江大学;2004年

2 李素芳;基于神经网络的无线通信算法研究[D];山东大学;2015年

3 石艳超;忆阻神经网络的混沌性及几类时滞神经网络的同步研究[D];电子科技大学;2014年

4 王新迎;基于随机映射神经网络的多元时间序列预测方法研究[D];大连理工大学;2015年

5 付爱民;极速学习机的训练残差、稳定性及泛化能力研究[D];中国农业大学;2015年

6 李辉;基于粒计算的神经网络及集成方法研究[D];中国矿业大学;2015年

7 王卫苹;复杂网络几类同步控制策略研究及稳定性分析[D];北京邮电大学;2015年

8 张海军;基于云计算的神经网络并行实现及其学习方法研究[D];华南理工大学;2015年

9 李艳晴;风速时间序列预测算法研究[D];北京科技大学;2016年

10 陈辉;多维超精密定位系统建模与控制关键技术研究[D];东南大学;2015年

中国硕士学位论文全文数据库 前10条

1 章颖;混合不确定性模块化神经网络与高校效益预测的研究[D];华南理工大学;2015年

2 贾文静;基于改进型神经网络的风力发电系统预测及控制研究[D];燕山大学;2015年

3 李慧芳;基于忆阻器的涡卷混沌系统及其电路仿真[D];西南大学;2015年

4 陈彦至;神经网络降维算法研究与应用[D];华南理工大学;2015年

5 董哲康;基于忆阻器的组合电路及神经网络研究[D];西南大学;2015年

6 武创举;基于神经网络的遥感图像分类研究[D];昆明理工大学;2015年

7 李志杰;基于神经网络的上证指数预测研究[D];华南理工大学;2015年

8 陈少吉;基于神经网络血压预测研究与系统实现[D];华南理工大学;2015年

9 张韬;几类时滞神经网络稳定性分析[D];渤海大学;2015年

10 邵雪莹;几类时滞不确定神经网络的稳定性分析[D];渤海大学;2015年

  本文关键词：基于卷积神经网络的大规模人脸聚类，由笔耕文化传播整理发布。

本文编号：363912