买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：南京邮电大学;江苏博子岛智能产业技术研究院有限公司

摘要：一种基于改进遗传算法的人脸识别优化方法，该方法首先通过对样本数据集进行PCA降维和归一化处理，能在提升运算效率的同时不影响识别准确率；接着利用基于改进的遗传算法来对卷积神经网络模型的超参数进行全局调优，得到超参数调优后的卷积神经网络模型；最后将测试集输入训练好的卷积神经网络模型进行人脸识别测试。该方法将遗传算法与卷积神经网络相结合，并对遗传算法中的交叉概率和变异概率进行改进，有效避免了传统参数寻优过程中容易陷入局部最优解的情况，且在人脸识别准确率以及迭代次数上具有更好的效果。

主权项：1.一种基于改进遗传算法的人脸识别优化方法，其特征在于：所述方法包括以下步骤：步骤1，通过网络公开的人脸数据来构建人脸样本数据集，并对人脸样本数据集中的训练数据集与测试数据集进行预处理；步骤2，利用基于改进的遗传算法来对卷积神经网络模型的超参数进行全局调优，通过对卷积层滤波器和全连接层的连接权重的不断优化，确定最优的卷积神经网络模型的超参数，并得到训练好的卷积神经网络模型；所述步骤2中，在进行种群初始化后，通过评估神经网络性能并分配选择概率，进行交叉产生分享双亲网络属性的交叉子代，然后选取父代网络变异生成变异子代，将交叉子代和变异子代加入下一代种群进行替换优化，实现迭代训练；步骤2具体分步骤如下：步骤2.1初始化：创建初始种群，种群中的每个染色体代表一个网络，并将每个网络中的卷积层看成一个整体作为染色体中的一个元素，每个网络中的全连接层看成一个整体作为染色体中的另一个元素；即每个染色体元素包含卷积层中滤波器的所有值，或者包含一个全连接层的所有连接权重；步骤2.2评估：将训练数据集中的人脸图像数据输入到种群中的每个网络，评估每个网络的性能，使用每个网络的准确率作为种群个体的适应度值，为每个网络分配一个适应度值；步骤2.3选择：为每一个网络分配一个选择概率，选择操作采用轮盘赌方法，每个网络的适应度越高，其被选择的可能性就越大；步骤2.4交叉：重复两次选择操作，选取两个网络作为双亲，通过交叉产生一个新的交叉子代，交叉子代分享双亲的一些属性；步骤2.5变异：进行一次选择操作，选取一个网络作为父代，通过变异产生一个新的变异子代，变异子代的部分属性与父代相同；步骤2.6替换：新生的子代将会加入到下一代种群中，替换掉适应度最低的个体；判断是否达到最大迭代次数，若不满足则返回步骤2.2，如满足则在种群中选择适应度最佳的个体作为训练好的卷积神经网络；步骤3，将样本测试集输入到由步骤2训练好的卷积神经网络模型中，从而完成人脸识别。

全文数据：

权利要求：

百度查询： 南京邮电大学 江苏博子岛智能产业技术研究院有限公司 一种基于改进遗传算法的人脸识别优化方法