论文部分内容阅读
虽然人脸识别技术已经取得了很大的成就,但是如何提高不同姿态、光照、表情识别的准确性也面临着很大的挑战。为了进一步提高精度,神经网络模型被设计得越来越复杂,这也直接导致在反向传播时会出现梯度消失等现象。为了缓解这些问题,本文提出了一种复杂条件下参数较少的双通道卷积残差网络模型。该模型由多个输入通道组成,共同学习输入图像的不同特征。将原始图像作为第一通道的输入,然后利用Sobel算子提取原始图像的一阶导数特征,并将其作为第二通道的输入,来自两个通道的人脸特征信息经过融合后送入到一个残差模块,经过平均池层