基于增量行列二维主成分分析的深度子空间网络

作     者：毕洪旭 王肖锋 

作者机构：天津市先进机电系统设计与智能控制重点实验室天津理工大学 机电工程国家级实验教学示范中心天津理工大学 

出 版 物：《光电子·激光》 (Journal of Optoelectronics·Laser)

年 卷 期：2024年

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

基　　金：国家重点研发计划(2018AA0103004) 天津市科技计划重大专项(20YFZCGX00550)资助项目 

主　　题：主成分分析网络 增量方法 特征提取 人脸识别 

摘      要：主成分分析网络（principal component analysis network， PCANet）是一种基于卷积神经网络模型进行简化的深度子空间网络模型。针对PCANet在卷积核提取过程中无法对图像样本进行实时处理的问题，本文提出了一种基于增量行列二维主成分分析方法（incremental sequential row-column 2DPCA， IRC2DPCA）的增量行列二维主成分分析网络（incremental sequential row-column 2DPCA network， IRC2DPCANet）。该方法可以在卷积核的训练过程中对训练样本进行实时处理，从而提高网络的训练效率。通过在PIE、AR、Yale三个典型人脸数据集上的实验表明，本文所提出的方法具有良好分类性能。最后，本文还研究了卷积核大小及卷积层中卷积核数量对于算法分类性能的影响。