nach oben

Erschienen in:

2018 | OriginalPaper | Buchkapitel

Face Recognition Using Deep Convolutional Neural Network in Cross-Database Study

verfasst von : Mei Guo, Min Xiao, Deliang Gong

Erschienen in: Advances in Intelligent Systems and Interactive Applications

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config

KI-gestützte Suche

Aus

Abstract

In this paper we study face recognition using convolutional neural network. First, we introduced the basic CNN neural network architecture. Second, we modify the traditional neural network and adapt it to another database by fine tuning its parameters. Third, the network architecture is extended to the cross database problem. The CNN is first trained on a large dataset and then tested on another. Experimental results show that the proposed algorithm is suitable for building various real world applications.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

über 102.000 Bücher
über 537 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Finance + Banking
Management + Führung
Marketing + Vertrieb
Maschinenbau + Werkstoffe
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 390 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Maschinenbau + Werkstoffe

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 340 Zeitschriften

aus folgenden Fachgebieten:

Bauwesen + Immobilien
Business IT + Informatik
Finance + Banking
Management + Führung
Marketing + Vertrieb
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Vorheriges Kapitel Three-Order Computational Ghost Imaging and Its Inverse Algorithm

Nächstes Kapitel Stock Market Forecasting Using S-System Model

Schroff, F., Kalenichenko, D., Philbin, J.: Facenet: A unified embedding for face recognition and clustering. In: Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, pp. 815–823 (2015)

Parkhi, O.M., Vedaldi, A., Zisserman, A.: Deep face recognition. BMVC 1(3), 6 (2015)

Haig, N.D.: The effect of feature displacement on face recognition. Perception 42(11), 1158–1165 (2013)CrossRef

Sagar, G.V., Barker, S.Y., Raja, K.B., et al.: Convolution based face recognition using DWT and feature vector compression. In: Third International Conference on Image Information Processing (ICIIP), pp. 444–449. IEEE, New York (2015)

Lu, J., Tan, Y.P., Wang, G.: Discriminative multimanifold analysis for face recognition from a single training sample per person. IEEE Trans. Pattern Anal. Mach. intell. 35(1), 39–51 (2013)CrossRef

Sun, Y., Liang, D., Wang, X., et al.: Deepid3: Face recognition with very deep neural networks. arXiv preprint arXiv:1502.00873 (2015)

Ballester, P., Araujo, R.M.: On the performance of GoogLeNet and AlexNet applied to sketches. In: Thirtieth AAAI Conference on Artificial Intelligence (2016)

Wu, X., He, R., Sun, Z.: A lightened cnn for deep face representation. In: IEEE Conference on IEEE Computer Vision and Pattern Recognition (CVPR) (2015)

Zhong, Z., Jin, L., Xie, Z.: High performance offline handwritten Chinese character recognition using GoogLeNet and directional feature maps. In: 13th International Conference on Document Analysis and Recognition (ICDAR), pp. 846–850. IEEE, New York (2015)

10.

Krizhevsky, A., Sutskever, I., Hinton, G.E.: Imagenet classification with deep convolutional neural networks. In: Advances in Neural information Processing Systems, pp. 1097–1105 (2012)

11.

Deng, L., Hinton, G., Kingsbury, B.: New types of deep neural network learning for speech recognition and related applications: An overview. In: IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP), pp. 8599–8603. IEEE, New York (2013)

12.

Kingsbury, B., Sainath, T.N., Soltau, H.: Scalable minimum Bayes risk training of deep neural network acoustic models using distributed Hessian-free optimization, pp. 10–13. In: Interspeech (2012)

13.

Yi, D., Lei, Z., Liao, S., Li, S.Z.: Learning face representation from scratch. arXiv preprint arXiv:1411.7923 (2014). Available: http://www.cbsr.ia.ac.cn/english/CASIA-WebFace-Database.html

14.

Huang, G.B., Ramesh, M., Berg, T., et al.: Labeled Faces in the Wild: A Database for Studying Face Recognition in Unconstrained Environments. Technical Report 07-49, University of Massachusetts, Amherst (2007)

Titel: Face Recognition Using Deep Convolutional Neural Network in Cross-Database Study
verfasst von: Mei Guo
Min Xiao
Deliang Gong
Verlag: Springer International Publishing
Buch: Advances in Intelligent Systems and Interactive Applications
Print ISBN: 978-3-319-69095-7

Electronic ISBN: 978-3-319-69096-4

Copyright-Jahr: 2018
DOI: https://doi.org/10.1007/978-3-319-69096-4_54

Springer Professional

Abstract

Bitte loggen Sie sich ein, um Zugang zu Ihrer Lizenz zu erhalten.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Springer Professional "Technik"

Springer Professional "Wirtschaft"

Premium Partner