首页 | 本学科首页   官方微博 | 高级检索  
     

DTCNN的人脸识别算法的Map-Reduce并行化实现研究
作者姓名:郭礼华  牛新亚马军 刘彦能
作者单位:1. 华南理工大学 电子与信息学院, 广州 510640;2. 广东创能科技有限公司, 广州 510260
基金项目:国家科技计划支撑项目(2013BAH65F01-2013BAH65F04);广州市科技计划(2012J2200010);广东省科技计划(2012B091100060);中央高校基本科研业务费专项资金(2013ZZ0054)
摘    要:传统人脸识别算法都采用基于特征提取的解决方案,所以有效的特征需要很强的先验知识和丰富的工程经验.本文引入深度平 铺卷积神经网络(deep tiled convolutional neural networks,DTCNN),利用深度平铺卷积神经网络的特征学习能力来实现 人脸识别,可是由于深度平铺卷积神经网络的运算复杂度高,并且在处理海量数据时会出现训练时间过长,内存占用大等问题.为此本 文提出一种Map-Reduce并行化的DTCNN算法.实验表明,深度平铺卷积神经网络能够获得比传统经典人脸识别更好的性能,而 Map-Reduce的引入又极大地减少了大数据集下的系统训练时间.

关 键 词:深度平铺卷积神经网络  Map-Reduce  人脸识别  特征学习  
收稿时间:2013-11-29
本文献已被 CNKI 等数据库收录!
点击此处可从《系统工程理论与实践》浏览原始摘要信息
点击此处可从《系统工程理论与实践》下载全文
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号