论文研究-DTCNN的人脸识别算法的Map-Reduce并行化实现研究.pdf, 传统人脸识别算法都采用基于特征提取的解决方案,所以有效的特征需要很强的先验知识和丰富的工程经验.本文引入深度平 铺卷积神经网络(deep tiled convolutional neural networks,DTCNN),利用深度平铺卷积神经网络的特征学习能力来实现 人脸识别,可是由于深度平铺卷积神经网络的运算复杂度高,并且在处理海量数据时会出现训练时间过长,内存占用大等问题.为此本 文提出一种Map-Reduce并行化的DTCNN算法.实验表明,深度平铺卷积神经网络能够获得比传统经典人脸识别更好的性能,而 Map-Reduce的引入又极大地减少了大数据集下的系统训练时间.
评论星级较低,若资源使用遇到问题可联系上传者,3个工作日内问题未解决可申请退款~