基于面向人脸验证的混合深度学习研究

摘要

本文提出了一种混合卷积网络(ConvNet)即受限的玻尔兹曼机《成果管理)模型,用于室外条件下的人脸验证.这项工作的一个关键贡献是直接学习关系视觉特征,从原始像素的面孔对与混合深层网络以表明身份相似性.模型中的深层ConvNets模拟初级视觉皮层,并与所学的过滤器对相比较,从两个人脸图像中提取局部关系视觉特征.为了达到健壮性和相似性,构造了多组卷积网络,从不同的角度来刻画面孔.顶层RBM(成果管理制)进行互补的高级特征与二能级平均统筹层次从不同的卷机网络组提取进行推断推理.整个混合式深层网络在进行人脸验证的任务中进行了优化调整.我们的模型在LFVV数据集上实现了竞争性的人脸验证性能.