一种通过卷积—池化提升SVM人脸识别率的研究

摘要

以剑桥大学计算机实验室的ORL Faces数据库作为实验数据,通过卷积神经网络中的“卷积-池化”层对实验数据进行处理,选择LIBSVM集成软件为工具,对原始数据和经“卷积-池化”处理后的数据进行了分类识别研究,SVM参数选用C-SVC模型、nu-SVC模型与线性核函数、多项式核函数、径向基核函数、Sigmoid核函数进行组合.实验结论:增加训练数据可提高人脸识别率,卷积-池化处理可实现数据降维,“高斯平滑卷积核卷积-池化”处理可提高SVM人脸识别率,SVM在人脸识别中更适合选用C-SVC模型+线性核函数.