论文研究基于改进的稀疏深度信念网络的人脸识别方法.pdf

由于稀疏表示在人脸识别上的优异表现，大量的研究关注于在深度网络上结合稀疏编码。常用的稀疏深度信念网络限制所有的隐藏单元具有相同的稀疏水平，这不是诱导稀疏表示最自然的方式。针对这个问题，根据压缩感知理论改进原来的稀疏项，添加了一个tan-sigmoid正则项逼近稀疏表示的最优解L0范数。这种方法不限制隐藏单元拥有相同的激活率，每个隐藏单元可以根据不同的任务自动学习到不同的稀疏水平。在ORL、UMIST和FERET人脸库上的识别结果表明，提出的方法与经典的稀疏深度模型相比，获得了很好的特征表示和识别效果。