Cookies y Privacidad
Usamos cookies propias y de terceros para mejorar la experiencia de nuestros usuarios, analizar el tráfico del sitio y personalizar contenido. Si continúas navegando, asumimos que aceptas su uso. Para más información, consulta nuestra Política de Cookies
Investigación sobre el método de reconocimiento facial mediante memoria autoasociativa basada en RNNs.
Para evitar el riesgo de que la base de datos biológica sea atacada y manipulada por hackers, en este artículo se propone un modelo de Memoria Autoasociativa (AAM). El modelo se basa en las redes neuronales recurrentes (RNNs) para el reconocimiento facial, bajo la condición de que la base de datos facial sea reemplazada por sus parámetros de modelo. Se demuestra y analiza la estabilidad del modelo para relajar las restricciones de los parámetros del modelo AAM. Además, se proporciona un procedimiento de diseño para resolver los parámetros del modelo AAM, y se establece el método de reconocimiento facial mediante el modelo AAM, que incluye preprocesamiento de imágenes, entrenamiento del modelo AAM y reconocimiento de imágenes. Por último, los resultados de simulación en dos experimentos muestran la viabilidad y el rendimiento del método de reconocimiento facial propuesto.
Autores: Han, Qi; Wu, Zhengyang; Deng, Shiqin; Qiao, Ziqiang; Huang, Junjian; Zhou, Junjie; Liu, Jin
Idioma: Inglés
Editor: Hindawi
Año: 2018
Disponible con Suscripción Virtualpro
Artículo científico
Categoría
Ingeniería y Tecnología
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 5
Citaciones: Sin citaciones
Hindawi
Complexity
Volume , Article ID 8524825, 12 pages
https://doi.org/10.1155/2018/8524825
Han Qi0, Wu Zhengyang0, Deng Shiqin0, Qiao Ziqiang0, Huang Junjian0, Zhou Junjie0, Liu Jin0
Intelligent School of Technology and Engineering China, Key Laboratory of Machine Perception and Childrens Intelligence Development China, College of Safety Engineering China, China United Engineering Corporation Limited China, Chongqing Energy Investment Group Science and Technology Co. ChinaAcademic Editor: Liu Chongyang
Contact: @hindawi.com
Para evitar el riesgo de que la base de datos biológica sea atacada y manipulada por hackers, en este artículo se propone un modelo de Memoria Autoasociativa (AAM). El modelo se basa en las redes neuronales recurrentes (RNNs) para el reconocimiento facial, bajo la condición de que la base de datos facial sea reemplazada por sus parámetros de modelo. Se demuestra y analiza la estabilidad del modelo para relajar las restricciones de los parámetros del modelo AAM. Además, se proporciona un procedimiento de diseño para resolver los parámetros del modelo AAM, y se establece el método de reconocimiento facial mediante el modelo AAM, que incluye preprocesamiento de imágenes, entrenamiento del modelo AAM y reconocimiento de imágenes. Por último, los resultados de simulación en dos experimentos muestran la viabilidad y el rendimiento del método de reconocimiento facial propuesto.
Descripción
Para evitar el riesgo de que la base de datos biológica sea atacada y manipulada por hackers, en este artículo se propone un modelo de Memoria Autoasociativa (AAM). El modelo se basa en las redes neuronales recurrentes (RNNs) para el reconocimiento facial, bajo la condición de que la base de datos facial sea reemplazada por sus parámetros de modelo. Se demuestra y analiza la estabilidad del modelo para relajar las restricciones de los parámetros del modelo AAM. Además, se proporciona un procedimiento de diseño para resolver los parámetros del modelo AAM, y se establece el método de reconocimiento facial mediante el modelo AAM, que incluye preprocesamiento de imágenes, entrenamiento del modelo AAM y reconocimiento de imágenes. Por último, los resultados de simulación en dos experimentos muestran la viabilidad y el rendimiento del método de reconocimiento facial propuesto.