遗传神经网络并行算法

跨数据集高识别率

一种用自适应遗传算法优化权重的神经网络，能在多种姿态、年龄和光照条件下保持高识别率。

郭凯 · Biao, Li · Li, Hao · Bai, Zhi

Applied Mathematics and Nonlinear Sciences 2024

参数信息

LFW识别准确率

99.82 %

AgeDB-30识别准确率

97.94 %

CFP-FP识别准确率

95.11 %

CALFW识别准确率

95.87 %

CPLFW识别准确率

89.44 %

平均处理时间

4.15 s

技术优势

跨数据集高准确率

自适应遗传算法精细调整网络权重，使模型在姿态、年龄、种族和光照变化下保持稳定识别。

鲁棒性强

模型对复杂光照和遮挡表现出优异的鲁棒性，在多个数据集中维持高识别率。

种族公平

算法在不同种族间保持均衡准确率，整体识别率达96.77%，减少偏见。

应用场景

• 人脸识别：在姿态、年龄、光照变化下保持高准确率，可替代传统特征提取方法。
• 机器人视觉：平均处理时间仅4.15秒，适合机器人实时识别任务。
• 智能安防：对复杂光照和遮挡具有鲁棒性，可在安防场景稳定工作。
• 身份认证：跨种族准确率均衡，可提供公平的身份认证服务。