컨볼루션 커널 극한 학습 기계와 HOG 특징 추출기를 이용한 새로운 빠른 하이브리드 얼굴 인식 접근 방식

디지털 사진이나 비디오 프레임에서 사람의 얼굴을 데이터베이스의 얼굴들과 대조하여 식별하는 능력을 얼굴 인식이라고 합니다. 최근 몇 년 동안, 얼굴을 인식하기 위해 딥러닝을 사용하는 알고리즘이 더 대중화되었습니다. 이들 대부분은 매우 정확하지만 복잡한 컨볼루션 신경망(CNN)을 기반으로 하며, 이는 많은 컴퓨팅 파워, 저장 공간 및 만족할 만한 결과를 제공하기 전 여러 훈련 에포크가 필요하고 구현하기가 특히 어렵습니다. 에포크 수를 줄여 훈련 시간을 단축하고 정확성을 높이기 위해, 이 논문에서는 커널 기반 극한 학습 기계(KELM)와 방향 기울기 히스토그램(HOG)을 얼굴 특징 추출기로 사용하는 CNN 기반의 새로운 빠른 하이브리드 얼굴 인식 접근 방식인 HOG-CKELM을 소개합니다. 제안된 하이브리드 얼굴 인식 기법의 효과는 AT&T, Yale 및 JAFFE 데이터셋을 사용하여 평가됩니다. 전통적인 HOG-CNN 기반 기법과 비교할 때, 실험적 평가는 제안된 얼굴 인식 방법이 정확성 및 훈련 시간 측면에서 우수한 성능을 달성할 수 있음을 나타냅니다.