基于神经网络的人脸识别算法的优缺点
2017-09-11 14:48
295 查看
优点:神经网络在人脸识别上的优势就是在于可以通过学习,从而获得对于人脸图像规则隐形的一种表达,避免进行复杂的特征提取,有利于硬件的实现。
缺点:该算法不易解释,由于神经元的数目较多,运算时间较长,并且需要多张人脸图像进行训练,在训练过程中往往需要对一些参数进行人为的调整,所以适合范围被限制于小型人脸库。
缺点:该算法不易解释,由于神经元的数目较多,运算时间较长,并且需要多张人脸图像进行训练,在训练过程中往往需要对一些参数进行人为的调整,所以适合范围被限制于小型人脸库。
相关文章推荐
- 基于神经网络的人脸识别算法的优缺点
- RNN循环神经网络的直观理解:基于TensorFlow的简单RNN例子
- 基于Apache Spark的机器学习及神经网络算法和应用
- 基于神经网络的预测模型
- 记intel杯比赛中各种bug与debug【其四】:基于长短时记忆神经网络的中文分词的实现
- 基于神经网络的实体识别和关系抽取联合学习
- 基于PyTorch的深度学习入门教程(五)——训练神经网络分类器
- 基于ARM在cpu上做神经网络加速
- 【神经网络学习笔记】基于离散Hopfield神经网络的数字识别
- 【opencv机器学习】基于SVM和神经网络的车牌识别
- 基于神经网络的二分类问题
- 基于Tensorflow的神经网络解决用户流失概率问题
- 基于感知器模型的线性神经网络
- 机器学习实验(十):基于WiFi fingerprints用自编码器(Autoencoders)和神经网络(Neural Network)进行定位_1(tensorflow版)
- 基于神经网络的二分类问题
- 分享:基于神经网络的Visual C++阿拉伯数字训练和识别程序
- RBF神经网络与BP神经网络优缺点比较
- 基于Tensorflow的机器学习(5) -- 全连接神经网络
- 基于Storm 分布式BP神经网络,将神经网络做成实时分布式架构
- [置顶] 基于梯度下降法的三层神经网络的C++实现(支持保存和读取)