摘要：為進(jìn)一步提高當(dāng)前人臉識(shí)別算法的識(shí)別準(zhǔn)確度,該文提出一種基于改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別算法。首先基于TensorFlow深度學(xué)習(xí)框架建立人臉分類模型;然后設(shè)計(jì)一種卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行人臉圖像特征的提取,結(jié)合Keras深度學(xué)習(xí)庫來訓(xùn)練人臉識(shí)別模型,并利用TensorFlow支持的動(dòng)量梯度下降優(yōu)化算法進(jìn)行優(yōu)化;最后使用聯(lián)合的Hard Sample Triplet(HST)和Absolute Constraint Triplet(ACT)損失函數(shù),實(shí)現(xiàn)對(duì)模型的有效評(píng)估,提高識(shí)別準(zhǔn)確度。該文算法在YouTube Faces數(shù)據(jù)集和實(shí)測視頻數(shù)據(jù)集下與典型人臉識(shí)別算法進(jìn)行對(duì)比,實(shí)驗(yàn)結(jié)果表明該文算法識(shí)別準(zhǔn)確度更高。