人脸识别综述与展望(1)(2)
2013-08-26 01:06
导读：(a) (b)图2 (a) 人脸图像的1-D HMM (b) 嵌入式隐马尔科夫模型 5）基于神经网络的方法 Gutta等[26]提出了混合神经网络、Lawrence等[27]通过一个多级的SOM实现样本的
(a) (b)图2 (a) 人脸图像的1-D HMM (b) 嵌入式隐马尔科夫模型 5）基于神经网络的方法 Gutta等[26]提出了混合神经网络、Lawrence等[27]通过一个多级的SOM实现样本的聚类，将卷积神经网络CNN用于人脸识别、Lin等[28]采用基于概率决策的神经网络方法、Demers等[29]提出采用主元神经网络方法提取人脸图像特征，用自相关神经网络进一步压缩特征，最后采用一个MLP来实现人脸识别。Er等[30]采用PCA进行维数压缩，再用LDA抽取特征，然后基于RBF进行人脸识别。Haddadnia等[31]基于PZMI特征，并采用混合学习算法的RBF神经网络进行人脸识别。神经网络的优势是通过学习的过程获得对这些规律和规则的隐性表达，它的适应性较强。 6）弹性图匹配方法共2页: 1 [2] 下一页 论文出处(作者):
图书管理系统的UML建模分析与设计
基于ANSYS的管道交变电磁场仿真分析
