基于KL距离的卷积神经网络人脸特征提取模型

为了克服欧式距离的度量方法在人脸特征表达上的不足,提出了一种基于KL距离的卷积神经网络人脸特征提取模型。通过卷积神经网络将输入样本转换为一个概率分布,利用KL距离度量不同样本之间概率分布的差异,并定义了一个代价函数对此距离进行优化,最后使用反向传播算法修改卷积神经网络的参数,使网络对人脸特征有更强的区分能力。将提取的特征向量通过神经网络分类器进行人脸验证,在YouTube等人脸库上进行了测试。试验结果表明,该方法不仅能提高正确率,而且还具有更好的泛化性能。