面向人脸识别的多层感知机并行框架
计算机视觉与模式识别
2010-07-06 v1
摘要
人工神经网络已在人脸识别及类似的复杂模式识别任务中展现出成功。然而，该技术的一个主要缺点是在处理较大类别时训练速度极慢，因此不适用于模式识别等实时复杂问题。本文尝试为感知机的训练算法开发一种并行框架。文中展示了多层感知机（MLP）的两种通用架构。第一种架构是“全类单网络”（ACON），其中所有类别都置于一个网络中；第二种架构是“单类单网络”（OCON），其中每个类别由一个独立的网络负责。比较并验证了这两种架构在解决人脸识别问题时的能力，人脸识别是一项复杂的模式识别任务，其中多个因素影响识别性能，如姿态变化、面部表情变化、遮挡，以及最重要的光照变化。两种结构均针对人脸识别进行了实现和测试，实验结果表明，在网络训练收敛速度方面，OCON 结构优于通常使用的 ACON 结构。与传统的神经网络串行训练方法不同，OCON 技术可以通过同时训练所有人脸图像类别来实现。
引用
@article{arxiv.1007.0627,
title = {A Parallel Framework for Multilayer Perceptron for Human Face Recognition},
author = {M. K. Bhowmik and Debotosh Bhattacharjee and M. Nasipuri and D. K. Basu and M. Kundu},
journal= {arXiv preprint arXiv:1007.0627},
year = {2010}
}