网站布局结构主要分为,wordpress 帝国 seo,wordpress 升级php版本,网站建设读书笔记课题名称#xff1a;基于PNN神经网络的人脸朝向识别分类
版本日期#xff1a;2024-02-20
运行方式#xff1a;直接运行PNN0503.m文件
代码获取方式#xff1a;私信博主或 QQ:491052175
模型描述#xff1a;
采集到一组人脸朝向不同角度时的图像#xff0c;图像来自不…课题名称基于PNN神经网络的人脸朝向识别分类
版本日期2024-02-20
运行方式直接运行PNN0503.m文件
代码获取方式私信博主或 QQ:491052175
模型描述
采集到一组人脸朝向不同角度时的图像图像来自不同的10个人每个人5幅图像人脸的朝向分别是左方左前方前方右前方右方。通过观察不难法线当人脸面朝不同方向时眼睛在图像中的位置差别比较大.因此可以考虑将图片中描述眼睛位置的特征喜喜提取出来作为LVQ神经网络的输入5个朝向分别用12345表示作为LVQ神经网络的输出。通过对训练集的图像进行训练得到具有预测功能的网络便可以对任意给出的人脸图像进行朝向判断和识别分类
算法流程
1.人脸特征向量提取如设计思路中所述当人脸朝向不同时眼睛在图像中的位置会有明显的差别。因此只需要将描述人眼位置信息的特征向量提取出来即可。方法是将整幅图像划分成6行8列 人眼的位置信息可以用第2行的8个子矩阵来描述注意针对不同大小的图像划分的网格需稍作修改边缘检测后8个子短阵中的值为“1”的像萦点个数与人脸朝向有直接关系 只要分别统计出第2行的8个子短阵中的值为“1”的像素点个数即可。
2.训练集和测试集的产生为了保证训练集数据的随机性随机选取图像库中的30隔入脸图像提取出的特征向量作为训练集数据剩余的20幅人脸图像提取出来的特征向盘作为测试集数据。
3.PNN神经网络创建利用newpnn函数和spread值用于创建PNN神经网络
4.PNN网络训练PNN神经网络不需要特别训练影响网络的预测精度主要由spread值决定。
5.人脸识别测试网络训练收敛后便可以对测试集数据进行预测即对测试集的图像进行人脸朝向识别对于任意给出的图像只需要将其特征向量提取出来便可对其进行识别。
PNN神经网络调用格式
netnewpnn(P,T,SPREAD)
P为输入数据的矩阵
T为输出数据的矩阵
SPREAD径向基函数的拓展速度默认值为1
改进方向无
待改进方向:
因为训练数据比较少为了提高预测精度通过交叉验证并不断迭代寻找最佳的SPREAD值最后应用于PNN神经网络里。相比于固定的SPREAD值而言自适应求解SPREAD值的方式可以更好地提高预测精度
特殊说明
1.根据测试当spread值在3.54范围的时候PNN神经网络在当前模型下的预测
2.经过测试对训练和测试数据进行归一化反而降低了预测精度
3.神经网络每一次的预测结果都不相同为了得到更好的结果建议多次运行取最佳值
Matlab仿真结果
基于PNN神经网络的人脸朝向识别精确率 基于PNN神经网络的人脸朝向识别分类结果 基于PNN神经网络的人脸朝向识别分类预测误差
