基于人工智能化算法的圖像識(shí)別及生成(編輯修改稿)
2024-07-15 17:49 本頁(yè)面
【文章內(nèi)容簡(jiǎn)介】 素映射到（1，1）之間。 參數(shù)選擇及程序結(jié)果 1）分類數(shù)據(jù)：每人取前五張做訓(xùn)練，后五張做測(cè)試（不加入自己的人臉） SVM參數(shù)設(shè)定：k = 75（PCA降至75維） Sigma = 30 c = 15 預(yù)測(cè)準(zhǔn)確率： accuracy= 2）每人取前五張做訓(xùn)練，后五張做測(cè)試（加入自己的人臉） SVM參數(shù)同上， 預(yù)測(cè)準(zhǔn)確率： accuracy= 我們發(fā)現(xiàn)，當(dāng)加入自己拍攝的人臉圖像后，預(yù)測(cè)準(zhǔn)確率有一定的下降，這可能是由于拍照時(shí)的光線，角度等造成的。 3 ANN對(duì)人臉?lè)诸? 人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Networks，簡(jiǎn)寫為ANNs）也簡(jiǎn)稱為神經(jīng)網(wǎng)絡(luò)（NNs）或稱作連接模型（Connection Model），它是一種模仿動(dòng)物神經(jīng)網(wǎng)絡(luò)行為特征，進(jìn)行分布式并行信息處理的算法數(shù)學(xué)模型。這種網(wǎng)絡(luò)依靠系統(tǒng)的復(fù)雜程度，通過(guò)調(diào)整內(nèi)部大量節(jié)點(diǎn)之間相互連接的關(guān)系，從而達(dá)到處理信息的目的。 為了方便與SVM的結(jié)果作比對(duì)，ANN的訓(xùn)練集和測(cè)試集與SVM相同，并且不加入自己人臉。 ANN結(jié)果及與SVM分類比較 ANN分類結(jié)果： ANN參數(shù)設(shè)定為：1個(gè)隱層，含200個(gè)神經(jīng)元 學(xué)習(xí)率：1 dropout fraction： 激活函數(shù)：sigmoid L2正則： epoch：200 batchsize：50 分類錯(cuò)誤率： 即分類準(zhǔn)確率（accuracy）為：% ??驗(yàn)過(guò)程中可以發(fā)現(xiàn)，通過(guò)對(duì)神經(jīng)網(wǎng)絡(luò)多個(gè)參數(shù)的調(diào)節(jié)，準(zhǔn)確率的變化是很復(fù)雜的，%的準(zhǔn)確率應(yīng)該還有上升的空間，參數(shù)還待進(jìn)一步調(diào)整。 與SVM比較起來(lái)，ANN準(zhǔn)確率更高，但分析表明，對(duì)于本次報(bào)告所采用的數(shù)據(jù)庫(kù)，ANN和SVM的準(zhǔn)確度不會(huì)有太大差異，
教學(xué)教案相關(guān)推薦
鄂ICP備17016276號(hào)-1